Conocer con detalle el tipo molecular de un tumor proporciona pistas sobre su agresividad, comportamiento y probable respuesta a diversos tratamientos, una información que puede orientar las decisiones postoperatorias.
Por eso, disponer de esa información cuando el paciente aún está en el quirófano, ayudaría a los neurocirujanos a decidir cuánto tejido tumoral extraer e incluso si deben o no a administrar fármacos antitumorales en el cerebro durante la misma intervención.
El estudio, dirigido por investigadores de la Facultad de Medicina de Harvard, se ha publicado este viernes en la revista ‘Med’. “En la actualidad, ni siquiera la práctica clínica más avanzada puede perfilar molecularmente los tumores durante la cirugía. Nuestra herramienta supera este reto extrayendo señales biomédicas hasta ahora desaprovechadas de portaobjetos de patología congelados”, afirmó Kun-Hsing Yu, autor principal del estudio y profesor adjunto de informática biomédica en Harvard.
“La capacidad de determinar el diagnóstico molecular intraoperatorio en tiempo real, durante la cirugía, puede impulsar el desarrollo de la oncología de precisión en tiempo real”, añadió Yu.
Ahora, solo se espera la validación de la FDA antes de implantarse en los hospitales.
Diagnóstico. El método de diagnóstico utilizado actualmente consiste en tomar tejido cerebral, congelarlo y examinarlo al microscopio, pero uno de los principales inconvenientes es que, al congelarlo, el tejido tiende a alterar el aspecto de las células, lo que puede afectar a la precisión de la evaluación clínica. Además, incluso usando microscopios potentes, el ojo humano no puede detectar con fiabilidad variaciones genómicas sutiles, dos problemas que la herramienta de IA supera sin problemas.
La herramienta, denominada CHARM (Cryosection Histopathology Assessment and Review Machine), está a disposición gratuita de otros investigadores. CHARM se desarrolló usando 2.334 muestras de tumores cerebrales de 1.524 personas con glioma, oriundos de tres poblaciones de pacientes diferentes.
Cuando se probó con un conjunto de muestras cerebrales, distinguió tumores con mutaciones moleculares específicas con una precisión del 93% y clasificó con éxito tres tipos principales de gliomas con características moleculares distintas que conllevan pronósticos diferentes y responden de forma distinta a los tratamientos.
