Técnica de IA rastrea automáticamente tumores en grandes conjuntos de datos de resonancia magnética para guiar tratamiento del glioblastoma en tiempo real

El tratamiento del glioblastoma, un cáncer cerebral agresivo y prevalente, implica el uso de radioterapia guiada por imágenes de tomografía computarizada. Si bien este método es eficaz para atacar la radiación, no proporciona información en tiempo real sobre la respuesta del tumor al tratamiento. Esta brecha significa que los médicos no pueden determinar si el cáncer de un paciente está respondiendo al tratamiento o progresando hasta que se toman imágenes de seguimiento, a veces meses después. Dada la rápida progresión del glioblastoma, estos retrasos pueden tener consecuencias críticas.

Para abordar este desafío, un equipo de investigadores del Centro Integral Oncológico Sylvester, parte de la Facultad de Medicina Miller de la Universidad de Miami (Coral Gables, FL, EUA), está utilizando una técnica llamada radioterapia guiada por resonancia magnética. Este método integra resonancias magnéticas diarias con tratamientos de radiación. La tecnología de resonancia magnética ilumina el tumor cerebral y ayuda a guiar los rayos de radiación. Es importante destacar que las imágenes detalladas producidas por las resonancias magnéticas también ofrecen la posibilidad de monitorear casi en tiempo real la respuesta o progresión del tumor. Sin embargo, este método avanzado genera un volumen sustancial de datos. Para los 36 pacientes con glioblastoma en su estudio, cada uno de los 31 puntos temporales incluyó entre cuatro y seis imágenes distintas. Para analizar de manera eficiente esta gran cantidad de información, el equipo ha empleado inteligencia artificial.

La solución basada en inteligencia artificial desarrollada por los investigadores delimita automáticamente los tumores de glioblastoma y las cavidades de resección (espacios que quedan después de la extirpación quirúrgica de los tumores) dentro de estos extensos conjuntos de datos de resonancia magnética. Este rastreo automatizado de tumores y cavidades permite el seguimiento del crecimiento o reducción del tumor durante todo el tratamiento. El algoritmo, una adaptación de trabajos anteriores sobre cáncer de cuello uterino, puede calcular rápidamente el volumen exacto del tumor y realizar un seguimiento de los cambios a lo largo del tiempo. Este método de IA también ofrece una reducción significativa del tiempo en comparación con el análisis manual, que puede tardar más de 20 horas por paciente. La IA puede procesar los mismos datos en aproximadamente 90 minutos.

De cara al futuro, el equipo planea mejorar el enfoque de aprendizaje automático para incluir datos adicionales de las imágenes de resonancia magnética. Un objetivo clave es identificar la pseudoprogresión, una afección en la que el tumor parece crecer debido a la inflamación inducida por el tratamiento pero finalmente retrocede. Esta distinción entre el crecimiento tumoral real y la pseudoprogresión es un aspecto crucial pero desafiante de la investigación. Los investigadores están diseñando un estudio para evaluar la progresión tumoral en pacientes con glioblastoma que se someten a radioterapia guiada por resonancia magnética semanalmente. Su objetivo es ajustar los tratamientos en tiempo real en función de la respuesta de los tumores o los cambios en su tamaño, utilizando el nuevo método de aprendizaje automático para facilitar modificaciones rápidas del tratamiento.

“Se pueden monitorear muchas cualidades diferentes del tumor con resonancia magnética. Ésa es una frontera sin explotar”, afirmó Adrián Breto, estudiante de doctorado y programador. “Aún no hemos llegado al centro de la Tierra en cuanto a lo que la resonancia magnética puede decirnos sobre la enfermedad y la calidad de vida del paciente. Eso es lo que estamos tratando de hacer, extraer tanta información como podamos de estas imágenes para el beneficio del paciente”.

Enlaces relacionados:
Facultad de Medicina Miller  

Visitar la expo >

New

Miembro Oro

X-Ray QA Meter

T3 AD Pro

Fixed X-Ray System (RAD)

Allengers 325 - 525

NMUS & MSK Ultrasound

InVisus Pro

LED-Based X-Ray Viewer

Dixion X-View