Investigadores de las universidades de Michigan y California han desarrollado un modelo de inteligencia artificial llamado FastGlioma, capaz de determinar en solo 10 segundos si queda algún rastro de un tumor cerebral maligno durante una cirugía.
Según los resultados del estudio, publicado recientemente, esta tecnología supera ampliamente a los métodos convencionales para identificar restos tumorales, ofreciendo una precisión promedio del 92%.
Una herramienta que transforma la neurocirugía
FastGlioma utiliza modelos de IA de base entrenados con más de 11.000 especímenes quirúrgicos y 4 millones de campos microscópicos únicos. Su funcionamiento combina imágenes ópticas microscópicas con algoritmos avanzados de inteligencia artificial, permitiendo a los neurocirujanos evaluar en tiempo real si es necesario extirpar más tejido tumoral.
“Este sistema tiene el potencial de transformar la neurocirugía, mejorando de manera inmediata el manejo de pacientes con gliomas difusos”, explicó Todd Hollon, neurocirujano de la Universidad de Michigan y autor principal del estudio.
Ventajas frente a los métodos actuales
Actualmente, identificar restos tumorales en una cirugía es un desafío, ya que los cirujanos no siempre logran distinguir entre tejido cerebral sano y tumor residual. Aunque existen métodos como la resonancia magnética o agentes fluorescentes, su disponibilidad y aplicabilidad son limitadas.
FastGlioma, en cambio, logra una detección de alta precisión en cuestión de segundos sin depender de procesos largos como la histología ni de grandes conjuntos de datos etiquetados, que suelen ser escasos en aplicaciones médicas de IA.
En comparación con los métodos tradicionales, la IA mostró una tasa de error significativamente menor: solo 3.8%, frente al 25% de las técnicas actuales.
Aplicaciones más allá de los gliomas
Además de su eficacia en gliomas, FastGlioma ha demostrado su capacidad para detectar tumores residuales en diagnósticos de otros tipos, incluidos tumores cerebrales pediátricos como el meduloblastoma y el ependimoma, así como meningiomas.
“Estos resultados destacan el potencial de los modelos de base visuales para aplicaciones médicas de IA y su capacidad de generalizarse a otros tipos de cáncer sin necesidad de un extenso reentrenamiento”, señaló Aditya S. Pandey, director del Departamento de Neurocirugía en UM Health.
Impacto global
Con cerca de 45 millones de cirugías proyectadas para 2030 a nivel mundial, herramientas accesibles como FastGlioma no solo podrían mejorar los resultados de los pacientes, sino también reducir la carga sobre los sistemas de salud.
En futuros estudios, el equipo de investigación buscará aplicar este enfoque en otros tipos de cáncer, como el de pulmón, próstata, mama, cabeza y cuello.
“En cuestión de segundos, podemos informar a los cirujanos si es necesario continuar con la extirpación del tumor, lo que representa un avance significativo en el cuidado de los pacientes”, concluyó Hollon.
