Imágenes del infrarrojo cercano e inteligencia artificial pueden identificar tumores ocultos

Las imágenes hiperespectrales del infrarrojo cercano combinadas con el aprendizaje automático pueden visualizar tumores en tejido profundo y cubiertos por una capa mucosa, según muestran los científicos.

Los tumores del estroma gastrointestinal son tumores del tracto digestivo que crecen debajo de la capa de moco que cubre nuestros órganos.

Debido a que están profundamente dentro del tejido, estos “tumores submucosos” son difíciles de detectar y diagnosticar, incluso con una biopsia.

Ahora, investigadores de Japón han desarrollado un novedoso método mínimamente invasivo y preciso que utiliza imágenes infrarrojas y aprendizaje automático para distinguir entre el tejido normal y las áreas tumorales.

Esta técnica tiene un gran potencial para un uso clínico generalizado.

Los tumores pueden dañar los vasos sanguíneos y los tejidos circundantes, incluso si son benignos.

Si son malignos, son agresivos y furtivos y, a menudo, irrevocablemente dañinos.

En este último caso, la detección temprana es clave para el tratamiento y la recuperación.

Pero tal detección a veces puede requerir tecnología de imágenes avanzada, más allá de lo que está disponible comercialmente en la actualidad.

Por ejemplo, algunos tumores ocurren en el interior de órganos y tejidos, cubiertos por una capa mucosa, lo que dificulta que los científicos los observen directamente con métodos estándar como la endoscopia (que inserta una pequeña cámara en el cuerpo del paciente a través de un tubo delgado) durante las biopsias.

En particular, los tumores del estroma gastrointestinal (GIST), que normalmente se encuentran en el estómago y el intestino delgado, requieren técnicas exigentes que consumen mucho tiempo y prolongan el diagnóstico.

Ahora, para mejorar el diagnóstico de GIST, los Dres. Daiki Sato, Hiroaki Ikematsu y Takeshi Kuwata del National Cancer Center Hospital East en Japón, el Dr. Hideo Yokota del Centro RIKEN de Fotónica Avanzada, Japón, y los Dres. Toshihiro Takamatsu y Kohei Soga de la Universidad de Ciencias de Tokio, Japón, dirigidos por el Dr. Hiroshi Takemura, han desarrollado una tecnología que utiliza imágenes hiperespectrales del infrarrojo cercano (NIR-HSI) junto con el aprendizaje automático.

Sus hallazgos se publican en Nature’s Scientific Reports.

“Esta técnica es un poco como los rayos X, la idea es que uses radiación electromagnética que puede atravesar el cuerpo para generar imágenes de estructuras internas“, explica el Dr. Takemura.

“La diferencia es que los rayos X están en 0.01- 10 nm, pero el infrarrojo cercano está alrededor de 800-2500 nm.

A esa longitud de onda, la radiación del infrarrojo cercano 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 dentro 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 los llevó a seguir esta línea de investigación, el Dr. Takemura rinde homenaje al fallecido profesor que inició su andadura:

“Este proyecto ha sido posible sólo gracias al fallecido Prof. Kazuhiro Kaneko, quien rompió las barreras entre médicos e ingenieros y estableció esta colaboración.

Estamos siguiendo sus deseos”.

El equipo del Dr. Takemura realizó experimentos de imágenes en 12 pacientes con casos confirmados de GIST, a quienes 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.

Estas imágenes se usaron luego como datos de entrenamiento para un algoritmo de aprendizaje automático, esencialmente enseñando a un programa de computadora a distinguir entre los pixeles en 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 cubiertos total o parcialmente por una capa mucosa, el análisis de aprendizaje automático fue eficaz para identificar GIST, codificando correctamente las secciones tumorales y no tumorales por colores con una precisión del 86%.

“Este es un avance muy emocionante“, explica el Dr. Takemura, “poder diagnosticar con precisión, rapidez y de forma no invasiva diferentes tipos de tumores submucosos sin 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 desafíos por delante, pero siente que está preparado para resolverlos.

Los investigadores identificaron varias áreas que mejorarían sus resultados, como hacer que su conjunto de datos de entrenamiento sea mucho más grande, agregar información sobre qué tan profundo es el tumor para el algoritmo de aprendizaje automático e incluir otros tipos de tumores en el análisis.

También se está trabajando para desarrollar un sistema NIR-HSI que se base en la tecnología de endoscopia existente.

“Ya hemos construido un dispositivo que conecta una cámara NIR-HSI al extremo de un endoscopio y esperamos realizar pronto un análisis NIR-HSI directamente en un paciente, en lugar de solo en los tejidos que se han extirpado quirúrgicamente“, dijo 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, gracias a esta colaboración interdisciplinaria“.

Fuente: Tokyo University of Science