Visión profunda: Las imágenes en el infrarrojo cercano y el aprendizaje automático pueden identificar tumores ocultos

Las imágenes hiperespectrales en el infrarrojo cercano combinadas con el aprendizaje automático pueden visualizar tumores en el tejido profundo

05.02.2021 - Japón

Los tumores pueden ser perjudiciales para los vasos sanguíneos y los tejidos circundantes, incluso si son benignos. Si son malignos, son agresivos y escurridizos, y a menudo son irremediablemente dañinos. En este último caso, la detección precoz es clave para el tratamiento y la recuperación. Pero esa detección puede requerir a veces una tecnología de imagen avanzada, más allá de lo que está disponible comercialmente hoy en día.

Hiroshi Takemura from Tokyo University of Science

La técnica de aprendizaje automático desarrollada por el Dr. Takemura y su equipo pudo distinguir el tejido tumoral del sano en imágenes ex vivo de tumores resecados, con una precisión del 86%.

Por ejemplo, algunos tumores se encuentran en lo más profundo de los órganos y tejidos, cubiertos por una capa de mucosa, lo que dificulta que los científicos puedan observarlos directamente con métodos estándar como la endoscopia (que introduce una pequeña cámara en el cuerpo del paciente a través de un tubo fino) o llegar a ellos durante las biopsias. En particular, los tumores del estroma gastrointestinal (GIST) -que suelen encontrarse en el estómago y el intestino delgado- requieren técnicas exigentes que llevan mucho tiempo y prolongan el diagnóstico. Ahora, para mejorar el diagnóstico de los GIST, los doctores Daiki Sato, Hiroaki Ikematsu y Takeshi Kuwata, del Hospital del Centro Nacional del Cáncer del Este de Japón, el doctor Hideo Yokota, del Centro de Fotónica Avanzada de RIKEN (Japón), y los doctores Toshihiro Takamatsu y Kohei Soga, de la Universidad de Ciencias de Tokio (Japón), dirigidos por el doctor Hiroshi Takemura, han desarrollado una tecnología que utiliza imágenes hiperespectrales en el infrarrojo cercano (NIR-HSI) junto con el aprendizaje automático. Sus hallazgos se publican en la revista Nature's Scientific Reports.

"Esta técnica es un poco como los rayos X, la idea es que se utiliza la radiación electromagnética que puede atravesar el cuerpo para generar imágenes de las estructuras del interior", explica el Dr. Takemura, "La diferencia es que los rayos X están a 0,01-10 nm, pero el infrarrojo cercano está a unos 800-2500 nm. A esa longitud de onda, la radiación infrarroja cercana hace que los tejidos parezcan transparentes en las imágenes. Y estas longitudes de onda son menos dañinas para el paciente que incluso los rayos visibles".

Esto debería significar que los científicos pueden investigar con seguridad algo que está oculto en el interior de los tejidos, pero hasta el estudio del Dr. Takemura y sus colegas, nadie había intentado utilizar NIR-HSI en tumores profundos como los GIST. Hablando de lo que les llevó a seguir esta línea de investigación, el Dr. Takemura rinde homenaje al difunto profesor que inició su camino: "Este proyecto ha sido posible sólo gracias al difunto profesor Kazuhiro Kaneko, que rompió las barreras entre médicos e ingenieros y estableció esta colaboración. Seguimos sus deseos".

El equipo del Dr. Takemura realizó experimentos de imagen en 12 pacientes con casos confirmados de GIST, a los que se les extirparon los tumores mediante cirugía. Los científicos tomaron imágenes de los tejidos extirpados utilizando NIR-HSI, y luego hicieron que un patólogo examinara las imágenes para determinar el límite entre el tejido normal y el tumoral. A continuación, estas imágenes se utilizaron como datos de entrenamiento para un algoritmo de aprendizaje automático, que básicamente enseña a un programa informático a distinguir entre los píxeles de las imágenes que representan el tejido normal y los que representan el tejido tumoral.

Los científicos descubrieron que, a pesar de que 10 de los 12 tumores de prueba estaban total o parcialmente cubiertos por una capa de mucosa, el análisis de aprendizaje automático fue eficaz para identificar los GIST, codificando correctamente por colores las secciones tumorales y no tumorales con una precisión del 86%. "Se trata de un avance muy emocionante", explica el Dr. Takemura. "Poder diagnosticar de forma precisa, rápida y no invasiva diferentes tipos de tumores submucosos sin necesidad de realizar biopsias, un procedimiento que requiere cirugía, es mucho más fácil tanto para el paciente como para los médicos."

El Dr. Takemura reconoce que aún quedan retos por delante, pero cree que están preparados para resolverlos. Los investigadores identificaron varias áreas que mejorarían sus resultados, como hacer su conjunto de datos de entrenamiento mucho más grande, añadir información sobre la profundidad del tumor para el algoritmo de aprendizaje automático e incluir otros tipos de tumores en el análisis. También se está trabajando en el desarrollo de un sistema NIR-HSI basado en la tecnología de endoscopia existente.

"Ya hemos construido un dispositivo que acopla una cámara NIR-HSI al extremo de un endoscopio y esperamos poder realizar pronto un análisis NIR-HSI directamente en un paciente, en lugar de sólo en los tejidos que se han extirpado quirúrgicamente", afirma el Dr. Takemura. "En el futuro, esto nos ayudará a separar los GIST de otros tipos de tumores submucosos que podrían ser aún más malignos y peligrosos". Este estudio es el primer paso hacia una investigación mucho más innovadora en el futuro, posibilitada por esta colaboración interdisciplinar."

Por el momento, un medio para detectar con precisión y de forma no invasiva los GIST de forma temprana podría estar disponible clínicamente de forma generalizada, ¡pronto!

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

Lucha contra el cáncer: últimos avances y progresos