Los tumores cerebrales infantiles se pueden clasificar mediante imágenes avanzadas e IA
Imágenes de RM de ejemplo de pacientes con tumores cerebrales pediátricos. Esta primera columna muestra imágenes ponderadas en T1 después de la inyección de agente de contraste de gadolinio. La segunda columna muestra imágenes ponderadas en T2 y la columna final muestra mapas de coeficiente de difusión aparente calculados a partir de imágenes ponderadas en difusión. (ac) se tomaron de un paciente con un astrocitoma pilocítico, (df) son de un paciente con un ependimoma y (gi) se obtuvieron de un paciente con un meduloblastoma.
Las imágenes ponderadas por difusión y el aprendizaje automático pueden clasificar con éxito el diagnóstico y las características de los tipos comunes de tumores cerebrales pediátricos, según descubrió un estudio multicéntrico realizado en el Reino Unido, incluido WMG en la Universidad de Warwick. Esto significa que el tumor se puede caracterizar y tratar de manera más eficiente.
La mayor causa de muerte por cáncer en los niños son los tumores cerebrales en una parte particular del cerebro, llamada fosa posterior. Sin embargo, dentro de esta área, hay tres tipos principales de tumores cerebrales, y poder caracterizarlos de manera rápida y eficiente puede ser un desafío.
Actualmente, los radiólogos utilizan una evaluación cualitativa de la resonancia magnética; sin embargo, las características radiológicas superpuestas pueden dificultar la distinción de qué tipo de tumor es, sin la confirmación de la biopsia. En el artículo, «Clasificación de tumores cerebrales pediátricos mediante imágenes ponderadas por difusión y aprendizaje automático», publicado en la revista Scientific Reports, dirigido por la Universidad de Birmingham, incluidos investigadores de WMG, Universidad de Warwick. El estudio encontró que la clasificación diagnóstica del tumor se puede mejorar mediante el uso de imágenes ponderadas por difusión no invasivas, cuando se combinan con aprendizaje automático (IA).
Las imágenes ponderadas por difusión implican el uso de secuencias de resonancia magnética avanzadas específicas, así como software que genera imágenes a partir de los datos resultantes que utiliza la difusión de moléculas de agua para generar contraste en la imagen de RM. Luego se puede extraer un mapa de Coeficiente de Difusión Aparente (ADC), cuyos valores analizados se pueden usar para brindarle más información sobre el tumor.
El estudio involucró a 117 pacientes de cinco centros de tratamiento primario en todo el Reino Unido con escaneos de doce hospitales diferentes en un total de dieciocho escáneres diferentes, las imágenes de ellos fueron luego analizadas y la región de interés fue dibujada por un radiólogo experimentado y un científico experto en neuroimagen pediátrica. Los valores del análisis de los mapas de Coeficiente de Difusión Aparente de las regiones de estas imágenes se han alimentado a algoritmos de IA para discriminar con éxito los tres tipos más comunes de tumores cerebrales de fosa posterior pediátricos, de forma no invasiva.
Profesor Theo Arvanitis, director del Instituto de Salud Digital en WMG, Universidad de Warwick y uno de los autores del estudio, explica:
«Usar IA y características avanzadas de imágenes por resonancia magnética, como los valores del coeficiente de difusión aparente (ADC) de Las imágenes ponderadas por difusión pueden ayudar potencialmente a distinguir, de una manera no invasiva, entre los tres tipos principales de tumores pediátricos en la fosa posterior, el área del cerebro donde dichos tumores se encuentran con mayor frecuencia en los niños.
«Si esta técnica de imagen avanzada, combinada con la tecnología de IA, se puede inscribir de forma rutinaria en los hospitales, significa que los tumores cerebrales infantiles se pueden caracterizar y clasificar de manera más eficiente y, a su vez, significa que el tratamiento Se puede llevar a cabo de una manera más rápida con resultados favorables para los niños que padecen la enfermedad».
El profesor Andrew Peet, profesor de NIHR en oncología pediátrica clínica en la Universidad de Birmingham y el Hospital Infantil de Birmingham, agrega: «Cuando un El niño llega al hospital con síntomas que podrían significar que tiene un tumor cerebral. La exploración inicial es un momento muy difícil para la familia y, comprensiblemente, quieren respuestas lo antes posible. Aquí hemos combinado escaneos fácilmente disponibles con inteligencia artificial para proporcionar altos niveles de precisión de diagnóstico que pueden comenzar a dar algunas respuestas. Los estudios previos que utilizaron estas técnicas se han limitado en gran medida a centros expertos únicos. Demostrar que pueden funcionar en una cantidad tan grande de hospitales abre la puerta a muchos niños que se benefician de un diagnóstico rápido y no invasivo de su tumor cerebral. Estos son tiempos muy emocionantes y estamos trabajando arduamente para comenzar a hacer que estas técnicas de inteligencia artificial estén ampliamente disponibles».
Explore más
Nueva técnica de imágenes duplica la visibilidad de los tumores cerebrales en las exploraciones > Jan Novak et al. Clasificación de tumores cerebrales pediátricos mediante imágenes ponderadas por difusión y aprendizaje automático, Scientific Reports (2021). DOI: 10.1038/s41598-021-82214-3 Información de la revista: Scientific Reports
Proporcionado por la Universidad de Warwick Cita: Los tumores cerebrales infantiles se pueden clasificar mediante imágenes avanzadas e IA (2021, 15 de febrero) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021- 02-child-brain-tumors-advanced-imaging.html Este documento está sujeto a derechos de autor. Además de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona a título informativo. propósitos solamente.