En solo 10 segundos se podrían identificar tumores casi indetectables en el cerebro humano. Se trata de un modelo impulsado con Inteligencia Artificial que desarrolló un grupo de investigadores de la Universidad de Michigan y la Universidad de California en San Francisco.
Respecto a lo informado por Nature, el método se llama «FastGlioma» y superó a los otros métodos ya existentes.
Lea también: Reino Unido lanza nueva píldora para dejar de fumar
El autor principal del paper, Todd Hollon, neurocirujano de University of Michigan Health y profesor adjunto de neurocirugía en la Facultad de Medicina de UM, señaló a Science Daily:
«Tiene el potencial de cambiar el campo de la neurocirugía al mejorar de inmediato el tratamiento integral de los pacientes con gliomas difusos».
Ya que, cuando los neurocirujanos extirpan un tumor, existe el riesgo de que no logren extirparlo todo y queden restos que llaman «tumor residual».
Otros métodos
Para los cirujanos es muy difícil diferenciar el tejido sano del tejido que contiene restos durante la operación. Esto hace que sea imposible a simple vista detectar el tumor residual.
Para eso existen diversos métodos como resonancias magnéticas intraoperatorias o agentes de imágenes fluorescentes para identificar tejido tumoral.
Sin embargo, estos métodos tienen ciertas limitaciones que no las hacen muy accesibles.
Ya que la maquinaria intraoperatoria no está disponible en todas partes y el método con fluorescencia no funciona en todos los tipos de tumores.
Por eso, al parecer la Inteligencia Artificial parece haber dado la solución a estos problemas.
En esta línea, Hollon señaló:
«La tecnología funciona más rápido y con mayor precisión que los métodos de atención estándar actuales para la detección de tumores y podría generalizarse a otros diagnósticos de tumores cerebrales pediátricos y adultos. Podría servir como modelo básico para guiar la cirugía de tumores cerebrales».
¿Cómo funciona FastGlioma?
Para realizar el estudio, los científicos analizaron muestras de 220 pacientes que fueron operados de glioma difuso, tanto de alto como de bajo grado.
FastGlioma logró detectar restos de tumor con un promedio de precisión de casi 92%.
Mientras que los métodos tradicionales fallan en un 25% al intentar identificar restos tumorales, el sistema de IA de FastGlioma solo tuvo un margen de error del 3,8%.
Para lograr estos resultados, FastGlioma usa una combinación de imágenes microscópicas y una IA llamada «modelos de base».
Estos modelos, como GPT-4 y DALL·E 3, están entrenados con grandes volúmenes de datos que permiten realizar múltiples tareas.
En este caso, los investigadores entrenaron a FastGlioma con 11,000 muestras quirúrgicas y 4 millones de campos de visión microscópicos únicos.
Según Honglak Lee, Ph.D., coautor del estudio y profesor en la UM, “FastGlioma puede detectar tejido tumoral residual sin depender de los procesos histológicos, que consumen mucho tiempo, ni de grandes conjuntos de datos etiquetados, que suelen ser limitados en la IA médica”.
FastGlioma genera una imagen en modo rápido, o baja resolución, en solo 10 segundos, mientras que una imagen en alta resolución demora unos 100 segundos, menos de 2 minutos.
Las imágenes rápidas alcanzan un 90% de precisión, mientras que las de mayor resolución logran alrededor de un 92%.
“Esto significa que podemos identificar infiltraciones tumorales en segundos con una precisión muy alta, lo cual podría ayudar a los cirujanos a saber si necesitan eliminar más tejido durante la operación”, concluyó Hollon.
