La t\u00e9cnica de aprendizaje autom\u00e1tico desarrollada por el Dr. Takemura y su equipo pudo distinguir el tejido tumoral del tejido sano en im\u00e1genes ex vivo de tumores resecados, con un 86 % de precisi\u00f3n. Cr\u00e9dito: Hiroshi Takemura de la Universidad de Ciencias de Tokio <\/p>\n
Los tumores pueden da\u00f1ar los vasos sangu\u00edneos y los tejidos circundantes, incluso si son benignos. Si son malignos, son agresivos y astutos y, a menudo, irrevocablemente da\u00f1inos. En este \u00faltimo caso, la detecci\u00f3n temprana es clave para el tratamiento y la recuperaci\u00f3n. Pero dicha detecci\u00f3n a veces puede requerir tecnolog\u00eda de imagen avanzada, m\u00e1s all\u00e1 de lo que est\u00e1 disponible comercialmente en la actualidad. <\/p>\n
Por ejemplo, algunos tumores se producen en el interior de los \u00f3rganos y tejidos, cubiertos por una capa mucosa, lo que dificulta que los cient\u00edficos los observen directamente con m\u00e9todos est\u00e1ndar como la endoscopia (que inserta una peque\u00f1a c\u00e1mara en el cuerpo del paciente a trav\u00e9s de un tubo delgado ) o alcanzarlos durante las biopsias. En particular, los tumores del estroma gastrointestinal (GIST) que se encuentran t\u00edpicamente en el est\u00f3mago y el intestino delgado requieren t\u00e9cnicas exigentes que consumen mucho tiempo y prolongan el diagn\u00f3stico. Ahora, para mejorar el diagn\u00f3stico de GIST, los Dres. Daiki Sato, Hiroaki Ikematsu y Takeshi Kuwata del National Cancer Center Hospital East en Jap\u00f3n, el Dr. Hideo Yokota del RIKEN Center for Advanced Photonics, Jap\u00f3n, y los Dres. Toshihiro Takamatsu y Kohei Soga de la Universidad de Ciencias de Tokio, Jap\u00f3n, dirigidos por el Dr. Hiroshi Takemura, han desarrollado una tecnolog\u00eda que utiliza im\u00e1genes hiperespectrales del infrarrojo cercano (NIR-HSI) junto con el aprendizaje autom\u00e1tico. Sus hallazgos se publican en Nature’s Scientific Reports.<\/p>\n
\u00abEsta t\u00e9cnica es un poco como los rayos X, la idea es que usa radiaci\u00f3n electromagn\u00e9tica que puede atravesar el cuerpo para generar im\u00e1genes de las estructuras internas\u00bb, dijo el Dr. Takemura explica: \u00abLa diferencia es que los rayos X est\u00e1n entre 0,01 y 10 nm, pero el infrarrojo cercano est\u00e1 entre 800 y 2500 nm. A esa longitud de onda, la radiaci\u00f3n del infrarrojo cercano hace que los tejidos parezcan transparentes en las im\u00e1genes. Y estas longitudes de onda son menos da\u00f1ino para el paciente que incluso los rayos visibles\u00bb.<\/p>\n
Esto deber\u00eda significar que los cient\u00edficos pueden investigar con seguridad algo que est\u00e1 oculto dentro de los tejidos, pero hasta el estudio del Dr. Takemura y sus colegas, nadie hab\u00eda intentado use NIR-HSI en tumores profundos como los GIST. Hablando de lo que los llev\u00f3 a seguir esta l\u00ednea de investigaci\u00f3n, el Dr. Takemura rinde homenaje al difunto profesor que comenz\u00f3 su viaje: \u00abEste proyecto ha sido posible solo gracias al difunto Prof. Kazuhiro Kaneko, quien rompi\u00f3 las barreras entre m\u00e9dicos e ingenieros. y establecimos esta colaboraci\u00f3n. Estamos siguiendo sus deseos\u00bb.<\/p>\n
Dr. El equipo de Takemura realiz\u00f3 experimentos de im\u00e1genes en 12 pacientes con casos confirmados de GIST, a quienes se les extirparon los tumores mediante cirug\u00eda. Los cient\u00edficos tomaron im\u00e1genes de los tejidos extirpados usando NIR-HSI y luego hicieron que un pat\u00f3logo examinara las im\u00e1genes para determinar el l\u00edmite entre el tejido normal y el tumoral. Luego, estas im\u00e1genes se usaron como datos de entrenamiento para un algoritmo de aprendizaje autom\u00e1tico, esencialmente ense\u00f1ando a un programa de computadora a distinguir entre los p\u00edxeles de las im\u00e1genes que representan tejido normal y los que representan tejido tumoral.<\/p>\n
Los cient\u00edficos descubrieron que a pesar de que 10 de los 12 tumores de prueba estaban total o parcialmente cubiertos por una capa mucosa, el an\u00e1lisis de aprendizaje autom\u00e1tico fue eficaz para identificar GIST, codificar correctamente por colores las secciones tumorales y no tumorales con una precisi\u00f3n del 86 %. \u00abEste es un desarrollo muy emocionante\u00bb, explica el Dr. Takemura, \u00abSer capaz de diagnosticar de manera precisa, r\u00e1pida y no invasiva diferentes tipos de tumores submucosos sin biopsias, un procedimiento que requiere cirug\u00eda, es mucho m\u00e1s f\u00e1cil tanto para el paciente como para el paciente\u00bb. m\u00e9dicos.\u00bb<\/p>\n
Dr. Takemura reconoce que a\u00fan quedan desaf\u00edos por delante, pero siente que est\u00e1 preparado para resolverlos. Los investigadores identificaron varias \u00e1reas que mejorar\u00edan sus resultados, como hacer que su conjunto de datos de entrenamiento sea mucho m\u00e1s grande, agregar informaci\u00f3n sobre la profundidad del tumor para el algoritmo de aprendizaje autom\u00e1tico e incluir otros tipos de tumores en el an\u00e1lisis. Tambi\u00e9n se est\u00e1 trabajando para desarrollar un sistema NIR-HSI que se base en la tecnolog\u00eda de endoscopia existente.<\/p>\n
\u00abYa hemos construido un dispositivo que conecta una c\u00e1mara NIR-HSI al extremo de un endoscopio y esperamos realizar an\u00e1lisis NIR-HSI directamente en un paciente pronto, en lugar de solo en los tejidos que se extirparon quir\u00fargicamente\u00bb, dice el Dr. Takemura, \u00abEn el futuro, esto nos ayudar\u00e1 a separar los GIST de otros tipos de tumores submucosos que podr\u00edan ser incluso m\u00e1s malignos y peligrosos. Este estudio es el primer paso hacia una investigaci\u00f3n mucho m\u00e1s innovadora en el futuro, posible gracias a esta colaboraci\u00f3n interdisciplinaria\u00bb. estar cl\u00ednicamente disponible ampliamente, pronto! <\/p>\n
Explore m\u00e1s<\/p>\n
El estudio muestra que ciertos tumores gastrointestinales se asocian con una mayor mortalidad M\u00e1s informaci\u00f3n:<\/strong> Daiki Sato et al, Distinci\u00f3n de tumor del estroma gastrointestinal resecado quir\u00fargicamente mediante im\u00e1genes hiperespectrales de infrarrojo cercano, Scientific Reports ( 2020). DOI: 10.1038\/s41598-020-79021-7 Informaci\u00f3n de la revista:<\/strong> Scientific Reports <\/p>\n Proporcionado por la Universidad de Ciencias de Tokio Cita<\/strong>: Las im\u00e1genes del infrarrojo cercano y el aprendizaje autom\u00e1tico pueden identificar tumores ocultos (2021, 2 de febrero) recuperado el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-02-near-infrared-imaging-machine-hidden-tumors.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" La t\u00e9cnica de aprendizaje autom\u00e1tico desarrollada por el Dr. Takemura y su equipo pudo distinguir el tejido tumoral del tejido sano en im\u00e1genes ex vivo de tumores resecados, con un 86 % de precisi\u00f3n. Cr\u00e9dito: Hiroshi Takemura de la Universidad de Ciencias de Tokio Los tumores pueden da\u00f1ar los vasos sangu\u00edneos y los tejidos circundantes, … Continuar leyendo \u00abLas im\u00e1genes de infrarrojo cercano y el aprendizaje autom\u00e1tico pueden identificar tumores ocultos\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-16593","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/16593","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=16593"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/16593\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=16593"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=16593"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=16593"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}