La inteligencia artificial (IA) ha servido para desarrollar un sistema de diagnóstico para analizar muestras tumorales. Un equipo de neurocirujanos e ingenieros de varias universidades estadounidenses ha desarrollado este sistema, con el que la IA utiliza imágenes rápidas para examinar las muestras tomadas durante una operación. Así, detecta mutaciones genéticasen menos de 90 segundos.
En un estudio de más de 150 pacientes con glioma difuso, el tumor cerebral primario más común y mortal, el sistema recién desarrollado identificó mutaciones utilizadas por la Organización Mundial de la Salud (OMS) para definir subgrupos moleculares de la afección con una precisión media superior al 90 por ciento.
"Esta herramienta basada en IA tiene el potencial de mejorar el acceso y la rapidez del diagnóstico y la atención de los pacientes con tumores cerebrales mortales", ha detallado el autor principal y creador del sistema, el doctor Todd Hollon, neurocirujano de la Universidad de Michigan (Estados Unidos).
Todd Hollon: "Esta herramienta basada en IA tiene el potencial de mejorar el acceso y la rapidez del diagnóstico y la atención de los pacientes con tumores cerebrales mortales"
La clasificación molecular es cada vez más importante para el diagnóstico y tratamiento de los gliomas, ya que los beneficios y riesgos de la cirugía varían entre los pacientes con tumores cerebrales en función de su composición genética.
De hecho, los pacientes con un tipo específico de glioma difuso denominado astrocitoma pueden ganar una media de cinco años con la extirpación completa del tumor en comparación con otros subtipos de glioma difuso.
Sin embargo, el acceso a las pruebas moleculares del glioma difuso es limitado y no está disponible de manera uniforme en los centros que tratan a pacientes con tumores cerebrales. Cuando se dispone de ellas, dice Hollon, los resultados pueden tardar días, incluso semanas.
"Las barreras al diagnóstico molecular pueden dar lugar a una atención subóptima para los pacientes con tumores cerebrales, complicando la toma de decisiones quirúrgicas y la selección de los regímenes de quimiorradiación", ha resaltado Hollon.
Antes de este sistema, denominado 'DeepGlioma', los cirujanos no tenían un método para diferenciar los gliomas difusos durante la cirugía. El sistema, una idea que comenzó en 2019, combina redes neuronales profundas con un método de imagen óptica para obtener imágenes del tejido tumoral cerebral en tiempo real.
Hollon: "'DeepGlioma' crea una vía para una identificación precisa que daría a los proveedores una mejor oportunidad de definir tratamientos y predecir el pronóstico del paciente"
"'DeepGlioma' crea una vía para una identificación precisa y más oportuna que daría a los proveedores una mejor oportunidad de definir tratamientos y predecir el pronóstico del paciente", ha apuntado Hollon, cuyo estudio se ha publicado en la revista científica 'Nature Medicine'.
Incluso con un tratamiento estándar óptimo, los pacientes con glioma difuso se enfrentan a opciones terapéuticas limitadas. La supervivencia media de los pacientes con gliomas difusos malignos es de sólo 18 meses.
Aunque el desarrollo de medicamentos para tratar los tumores es esencial, menos del 10 por ciento de los pacientes con glioma se inscriben en ensayos clínicos, que a menudo limitan la participación de subgrupos moleculares.
Los investigadores esperan que 'DeepGlioma' pueda ser un catalizador para la inscripción temprana en ensayos. "Los avances en el tratamiento de los tumores cerebrales más mortales han sido limitados en las últimas décadas, en parte porque ha sido difícil identificar a los pacientes que más se beneficiarían de las terapias dirigidas", ha remachado Daniel Orringer, profesor asociado de neurocirugía y patología de la Facultad de Medicina Grossman de la Universidad de Nueva York.