En las operaciones de tumores cerebrales resulta de vital importancia delimitar correctamente los límites del propio tumor para dañar lo menos posible al paciente. De lo contrario, a este se le pueden provocar daños irreversibles tanto en el ámbito cognitivo como en el físico. La complejidad surje de la capacidad infiltrativa de algunos tumores cerebrales y la dificultad de identificarlos sobre el resto del cerebro sano. A pesar de la existencia de técnicas para generar imágenes médicas como resonancias magnéticas o ultrasonidos, la realidad es que presentan limitaciones importantes, ya sea porque su uso queda casi limitado al preoperatorio o por su baja resolución. Además, una vez se extrae parte del cráneo para exponer la zona del cerebro afectada, este se desplaza hacia fuera debido a su naturalidad esponjosa. Por ello, habitualmente los neurocirujanos se basan en su propia visión y experiencia para hacer la resección del tumor.

Para comprender las implicaciones de usar nuestra visión, vamos a describir brevemente cómo vemos los humanos y las limitaciones que tenemos. La visión humana se basa en tres receptores de color, llamados conos. Estos perciben los colores primarios: rojo, verde y azul y, según la intensidad con la que se perciban los tres, se pueden obtener todos los colores que se llegan a apreciar en un arco iris. No obstante, esta información no es la única que se puede obtener de la luz. Más allá de lo que se conoce como espectro visible, o lo que un humano es capaz de ver, existen otros espectros electromagnéticos. Al final, la luz es una onda electromagnética que puede contener información más allá de la meramente visible. Por ejemplo, esta información puede existir en otros espectros como el del ultravioleta o el del infrarrojo. Si queremos obtener dicha información, es necesario utilizar cámaras o sensores especiales que capturen en el espectro electromagnético de interés. Un tipo de estas cámaras son las conocidas como cámaras hiperespectrales y permiten ver más allá de lo que el ojo humano puede observar. Por lo tanto, estas cámaras podrían ayudar a conocer mejor el comportamiento de los tejidos tumorales para delimitarlos, de manera más precisa que el ojo, respecto del tejido sano.

Ahora que conocemos las cámaras hiperespectrales y cómo pueden ayudar a detectar tumores cerebrales recuperando información hasta ahora oculta ¿qué otras ventajas aportan? La gran virtud de estas cámaras es que no requieren de contacto alguno con el paciente, no emiten ninguna partícula que ionice su tejido y, por lo tanto, utilizan una tecnología no invasiva. Esto no lo cumplen otras técnicas existentes como los ultrasonidos, las resonancias magnéticas o el uso de cualquier agente que provoque un contraste en el tejido. Por este motivo, investigadores de la Universidad Politécnica de Madrid han liderado un proyecto junto con el Instituto para la Investigación biomédica del Hospital Universitario 12 de Octubre de Madrid para la detección de tumores cerebrales mediante el uso de imágenes hiperespectrales. Este proyecto de investigación recibe el nombre de NEMESIS-3D-CM, (Clasificación intraoperatoria de tumores cerebrales mediante modelos inmersivos 3D en la Comunidad de Madrid).

El jefe del servicio de neurocirugía del Hospital Universitario 12 de Octubre de Madrid, Alfonso Lagares Gómez-Abascal, indica que «muchas veces el cirujano se encuentra perdido a la hora de identificar de forma certera cual es el tumor y que es tejido normal”. Por ello, explica la necesidad de identificar el tejido tumoral para «resecar la mayor cantidad de tejido patológico posible, intentando reducir la extirpación de tejido elocuente».

Aunque las imágenes hiperespectrales sean capaces de obtener más información de la que podamos ver con nuestra vista, por si solas no pueden delimitar el tumor en el cerebro. Por ello, los investigadores de la Universidad Politécnica de Madrid utilizan tecnologías basadas en inteligencia artificial para entrenar modelos de Machine LearningEstos modelos necesitan muchos datos para poder ser entrenados y así diferenciar precisamente el tejido patológico del tejido sano en el cerebro expuesto. De esta manera, los investigadores han diseñado un prototipo para adquirir imágenes hiperespectrales en quirófano. Este ha sido empleado en más de 150 operaciones para obtener imágenes de pacientes que sufrían de diferentes patologías, usando diferentes tecnologías para obtener imágenes. Concretamente, se utilizan 2 cámaras hiperespectrales. Una con mayor resolución pero sin capacidad de hacer vídeos (cámara linescan) y otra con menor resolución pero que sí permite realizar vídeos (cámara snapshot). La cámara snapshot es necesaria para proporcionar vídeos en directo al neurocirujano sobre la delimitación del tumor. Sin embargo, el uso de la cámara linescan, con mejores prestaciones, se utiliza para validar que ambas cámaras estén obteniendo comportamientos similares de los tejidos. El prototipo que se utiliza en el quirófano del Hospital Universitario 12 de Octubre puede verse en la siguiente imagen.

Los modelos de inteligencia artificial se utilizan como una herramienta que clasifica distintos tipos de tejidos. Concretamente tejido sano, tejido tumoral, tejido vascularizado y meninges, todos ellos coloreados con píxeles verdes, rojos, azules y rosas respectivamente. En la siguiente imagen se pueden ver cómo los modelos han ido delimitando cada vez mejor el tumor gracias a la investigación llevada a cabo y la obtención de más datos de cerebros expuesto. Concretamente, la imagen ilustra el cambio progresivo de la clasificación de los modelos para un mismo paciente, siendo las últimas dos imágenes la escena del cerebro y a su derecha los píxeles de distintos tejidos indicados por el neurocirujano.

Pero sin duda, un aspecto innovador del proyecto NEMESIS-3D-CM, es el uso de cámaras que permiten estimar la profundidad de la escena que se está capturando. Estas cámaras utilizan una tecnología basada en estimar la distancia a los objetos mediante la emisión de un láser (LiDAR). De esta manera, los investigadores de la Universidad Politécnica de Madrid superponen los mapas de clasificación obtenidos usando la cámara hiperespectral para superponerlo en la nube de puntos tridimensional. Esta visualización se actualiza en tiempo real y puede ser navegada por el cirujano. Así, se captura el entorno de la incisión quirúrgica en color y se superpone el resultado de la clasificación en tiempo real sobre el cerebro expuesto. En la siguiente imagen se puede ver la nube de puntos RGB generada por el LiDAR (la primera imagen) y la misma imagen con el mapa de clasificación superpuesto presentando, de manera inmersiva, desde diferentes puntos de vista.

En resumen, el proyecto NEMESIS-3D-CM ha permitido desarrollar un prototipo para la adquisición, procesado y renderizado de imágenes multimodales en tiempo real. Con este prototipo se ha generado una base de datos única; esto ha sido posible gracias a la disposición del prototipo descrito en el quirófano del servicio de neurocirugía del Hospital Universitario 12 de Octubre. Esta base de datos se encuentra totalmente anonimizada y recoge todas las imágenes provenientes de las diversas cámaras (RGB, multivista, LiDAR e hiperesepctral tipo snapshot y linescan). Además, esta base de datos supone una herramienta muy potente, tanto para la consecución de los objetivos del proyecto, como para el conjunto del personal sanitario, que podrá consultarla y utilizarla con fines clínicos, científicos o académicos. Luego, se han diseñado, evaluado y optimizado clasificadores basados en distintos algoritmos y técnicas de Machine Learning. Estos clasificadores son capaces de, tomando como entrada del modelo una imagen hiperesepctral de un nuevo paciente, desconocido por el sistema, generar un mapa de clasificación in-situ en el quirófano y en tiempo real, diferenciando entre las cuatro clases de tejidos incluidas en el sistema (sano, tumoral, sangre o meninges). Por último, se ha conseguido fusionar las imágenes de las distintas cámaras junto con un flujo de vídeo en directo donde se muestra la clasificación de los tejidos de forma inmersiva, permitiendo así navegar en la escena de un paciente que está siendo intervenido.

Esperamos que todo lo desarrollado en este proyecto sirva como una herramienta de apoyo diagnóstico más con la que dotar a los cirujanos en la lucha contra este tipo de tumores, al tiempo que ofrezca a los pacientes que los sufren mejorar su calidad de vida.

Únete a la comunidad

Más de 14.212 personas se han unido a nuestra newsletter. Prometemos enviarte sólo cosas interesantes.

Gracias por suscribirte.

Share This