Un equipo dirigido por la Universidad de York ha desarrollado un método de IA que interpreta imágenes de resonancia magnética avanzadas para determinar si una lesión cerebral es cáncer activo o daño por radiación. Este enfoque podría ayudar a los médicos a elegir tratamientos más seguros y eficaces para pacientes con metástasis cerebrales.
Cuando un paciente con cáncer cerebral regresa para una exploración después del tratamiento de radiación, los médicos a menudo se enfrentan a una pregunta crítica: ¿la mancha en la resonancia magnética es un tumor en crecimiento o un daño inofensivo similar a una cicatriz causado por la radiación misma?
Un nuevo estudio realizado por un profesor de la Escuela de Ingeniería Lassonde de la Universidad de York sugiere que la inteligencia artificial podría finalmente ayudar a responder esa pregunta con mucha mayor confianza.
Los investigadores, en colaboración con médicos y científicos de imágenes del Centro de Ciencias de la Salud Sunnybrook, han desarrollado una técnica basada en IA que puede distinguir entre tumores cerebrales progresivos y necrosis por radiación en exploraciones de resonancia magnética avanzadas con mayor precisión que los métodos actuales.
El equipo informa que su modelo diferenció correctamente entre ambas afecciones en más del 85 % de los casos, utilizando una forma especializada de resonancia magnética llamada transferencia de saturación por intercambio químico (CEST). En comparación, las resonancias magnéticas estándar suelen acertar solo en un 60 % de los casos, e incluso las técnicas de resonancia magnética más avanzadas alcanzan por sí solas una precisión de alrededor del 70 %.
El trabajo marca un paso importante hacia una atención más precisa y personalizada para los pacientes con metástasis cerebrales, que son cánceres que se han propagado al cerebro desde otras partes del cuerpo.
“El estudio muestra, por primera vez, que los nuevos métodos de IA guiados por la atención, combinados con resonancia magnética avanzada, pueden diferenciar, con gran precisión, entre la progresión del tumor y la necrosis por radiación en pacientes con metástasis cerebral tratados con radiocirugía estereotáctica”, dijo en un comunicado de prensa el autor principal Ali Sadeghi-Naini, catedrático de investigación de York y profesor asociado de ingeniería biomédica y ciencias de la computación.
Las metástasis cerebrales son cada vez más comunes a medida que mejoran los tratamientos contra el cáncer y las personas viven más tiempo con la enfermedad. Una de las principales herramientas para controlar estos tumores es la radiocirugía estereotáctica (SRS), que administra radiación de alta dosis y altamente focalizada a las áreas cancerosas del cerebro, preservando al máximo el tejido sano.
La radioterapia SRS puede ser muy eficaz, pero conlleva una desventaja. En algunos pacientes, el tumor continúa creciendo a pesar del tratamiento. En otros, el tumor se controla, pero el tejido cerebral sano circundante resulta dañado por la radiación, una afección conocida como necrosis por radiación. Este daño puede causar inflamación y síntomas neurológicos, y en una resonancia magnética estándar, puede verse casi idéntico a un tumor en crecimiento.
Esa incertidumbre diagnóstica crea un serio dilema para los médicos y los pacientes.
“La diferenciación oportuna entre la progresión del tumor y la necrosis por radiación después de la radioterapia en tumores cerebrales es un desafío crucial en los centros oncológicos, ya que estas dos afecciones requieren enfoques de tratamiento bastante diferentes”, agregó Sadeghi-Naini.
Si la lesión es un cáncer activo, los pacientes podrían necesitar un tratamiento más agresivo, como radioterapia adicional, quimioterapia o incluso cirugía. Sin embargo, si se trata de necrosis por radiación, una mayor dosis de radioterapia podría empeorar la situación. Estos pacientes suelen ser más fáciles de controlar con una monitorización estrecha y medicamentos que reducen la inflamación.
“Es fundamental diferenciar la progresión tumoral de la necrosis por radiación: una requiere más terapias anticancerígenas y podría requerir un tratamiento más intensivo con más radiación, a veces incluso cirugía. La otra puede requerir observación y antiinflamatorios, por lo que es crucial que los pacientes lo hagan correctamente”, añadió Sadeghi-Naini.
Para abordar este problema, el equipo de York y Sunnybrook recurrió al aprendizaje profundo, un tipo de IA que se destaca por detectar patrones en datos complejos como imágenes médicas.
Desarrollaron un modelo de IA tridimensional que analiza las resonancias magnéticas CEST, las cuales capturan información química sutil sobre los tejidos que la resonancia magnética convencional no puede detectar. El modelo incorpora dos mecanismos avanzados de atención, herramientas computacionales que ayudan a la IA a centrarse en las partes más informativas de la imagen, de forma similar a como un radiólogo enfocaría las regiones sospechosas.
Publicado En la Revista Internacional de Oncología Radioterápica, Biología y Física, el estudio se basó en datos de imágenes de más de 90 pacientes cuyos cánceres se habían propagado al cerebro y que fueron tratados con radiocirugía estereotáctica en Sunnybrook. Al entrenar y probar la IA con este conjunto de datos reales, los investigadores demostraron que el modelo guiado por la atención podía distinguir con fiabilidad la progresión tumoral de la necrosis por radiación, a un nivel que supera al del ojo humano por sí solo.
Aunque el trabajo aún se encuentra en fase de investigación, los hallazgos apuntan a un futuro en el que las herramientas de IA se integrarán en el flujo de trabajo radiológico. En ese escenario, el modelo de IA podría procesar la resonancia magnética avanzada de un paciente, lo que proporcionaría la probabilidad de que una lesión sea cáncer activo o necrosis por radiación. Los médicos podrían entonces utilizar esta información, junto con su propia experiencia y otros datos clínicos, para tomar decisiones de tratamiento más fiables.
Diagnósticos más precisos podrían evitar que algunos pacientes se sometan a tratamientos innecesarios y potencialmente dañinos, a la vez que garantizan que quienes presenten una verdadera progresión tumoral reciban atención oportuna e intensiva. También podrían reducir la necesidad de biopsias cerebrales invasivas, que conllevan sus propios riesgos.
Más allá de las metástasis cerebrales, este enfoque destaca cómo la IA y la imagenología avanzada pueden colaborar para resolver problemas de larga data en la atención oncológica. A medida que las tecnologías de imagenología se vuelven más sofisticadas y los conjuntos de datos aumentan, los investigadores esperan que la IA desempeñe un papel cada vez más importante en la interpretación de exploraciones complejas y la predicción de la respuesta de los tumores al tratamiento.
Fuente: Universidad de York