(EFE).- Un equipo de científicos ha creado una herramienta de inteligencia artificial (IA) que, durante una operación quirúrgica, analiza el ADN de un tumor cerebral y determina su tipo molecular, una información crucial que a día de hoy tarda días o semanas en llegar.
Conocer con detalle el tipo molecular de un tumor proporciona pistas sobre su agresividad, comportamiento y probable respuesta a diversos tratamientos, una información que puede orientar las decisiones postoperatorias.
Por eso, disponer de esa información cuando el paciente aún está en el quirófano, ayudaría a los neurocirujanos a decidir cuánto tejido tumoral extraer e incluso si deben o no a administrar fármacos antitumorales en el cerebro durante la misma intervención.
El estudio, dirigido por investigadores de la Facultad de Medicina de Harvard, se ha publicado este viernes en la revista ‘Med’.
«En la actualidad, ni siquiera la práctica clínica más avanzada puede perfilar molecularmente los tumores durante la cirugía. Nuestra herramienta supera este reto extrayendo señales biomédicas hasta ahora desaprovechadas de portaobjetos de patología congelados», afirmó Kun-Hsing Yu, autor principal del estudio y profesor adjunto de informática biomédica en Harvard.
«La capacidad de determinar el diagnóstico molecular intraoperatorio en tiempo real, durante la cirugía, puede impulsar el desarrollo de la oncología de precisión en tiempo real», añadió Yu.
Los investigadores creen que, aunque todavía debe validarse clínicamente mediante pruebas en entornos reales y obtener el visto bueno de la Agencia estadounidense para la administración de Alimentos y Medicamentos (FDA) antes de implantarse en los hospitales, su potencial es realmente prometedor.
Dos problemas que la herramienta de IA supera
El método de diagnóstico utilizado actualmente consiste en tomar tejido cerebral, congelarlo y examinarlo al microscopio, pero uno de los principales inconvenientes es que, al congelarlo, el tejido tiende a alterar el aspecto de las células, lo que puede afectar a la precisión de la evaluación clínica.
Además, incluso usando microscopios potentes, el ojo humano no puede detectar con fiabilidad variaciones genómicas sutiles, dos problemas que la herramienta de IA supera sin problemas.
La herramienta, denominada CHARM (Cryosection Histopathology Assessment and Review Machine), está a disposición gratuita de otros investigadores.
CHARM se desarrolló utilizando 2.334 muestras de tumores cerebrales de 1.524 personas con glioma procedentes de tres poblaciones de pacientes diferentes.
Cuando se probó con un conjunto de muestras cerebrales, distinguió tumores con mutaciones moleculares específicas con una precisión del 93% y clasificó con éxito tres tipos principales de gliomas con características moleculares distintas que conllevan pronósticos diferentes y responden de forma distinta a los tratamientos.
CHARM también captó con éxito las características visuales del tejido que rodea a las células malignas y pudo detectar zonas reveladoras con mayor densidad celular y más muerte celular dentro de las muestras, ambas señales de tipos de glioma más agresivos.
También detectó alteraciones moleculares clínicamente importantes en un subconjunto de gliomas de bajo grado, un subtipo de glioma menos agresivo y, por tanto, con menos probabilidades de invadir el tejido circundante.
La herramienta conectó además el aspecto de las células con el perfil molecular del tumor, es decir que el algoritmo puede determinar con precisión la relación entre el aspecto de una célula y el tipo molecular del tumor.
Los investigadores creen que, aunque el modelo se entrenó y probó con muestras de glioma, podría reentrenarse con éxito para identificar otros subtipos de cáncer cerebral.
Los científicos ya han diseñado modelos de IA para perfilar otros tipos de cáncer (colon, pulmón, mama), pero los gliomas siguen siendo especialmente difíciles debido a su complejidad molecular y a la enorme variación en la forma y el aspecto de las células tumorales.
