Herramienta de inteligencia artificial acelera la clasificación de tumores durante la cirugía cerebral – Physics World

Herramienta de inteligencia artificial acelera la clasificación de tumores durante la cirugía cerebral – Physics World

Marca de tiempo: 20 de noviembre de 2023 4:30 a. M.

Secuenciación rápida de ADN
Clasificación rápida La combinación de la secuenciación del ADN con modelos de redes neuronales acelera significativamente la identificación del tipo de tumor cerebral durante la cirugía. (Cortesía: UMC Utrecht)

Para un neurocirujano, la extirpación de tejido canceroso en el cerebro es un delicado acto de equilibrio entre maximizar la cantidad de tumor extirpado para extender la supervivencia del paciente y minimizar el riesgo de daño neurológico permanente. Una nueva herramienta que combina secuenciación rápida de ADN e inteligencia artificial para clasificar los tumores del sistema nervioso central (SNC) durante la cirugía de cáncer cerebral está permitiendo a los neurocirujanos tomar mejores decisiones sobre el alcance de la resección del tumor que beneficiará más al paciente.

Los cirujanos tienen un conocimiento limitado del tipo de tumor antes de la cirugía. Cuando comienza la cirugía, se extraen secciones de tejido tumoral para una evaluación histológica inmediata. Pero la secuenciación del ADN para el análisis histológico y molecular realizada por un patólogo normalmente requiere una semana para proporcionar un diagnóstico definitivo.

En comparación, la nueva herramienta, denominada Sturgeon por su equipo multiinstitucional de desarrolladores en los Países Bajos, puede realizar un diagnóstico preciso en 90 minutos para la mayoría de los tumores del SNC. Y una vez que conocen el tipo de tumor y su agresividad, los neurocirujanos pueden modificar su estrategia quirúrgica en el quirófano según lo amerite la clasificación del tumor.

“Durante la cirugía, a veces se deja deliberadamente un pequeño resto de tejido tumoral para evitar daños neurológicos”, explica el neurocirujano pediátrico Eelco Hoving en un comunicado de prensa. “Pero si luego resulta, por ejemplo, que el tumor es muy agresivo, aún puede ser necesaria una segunda cirugía para extirpar ese último remanente. Esto se puede evitar ahora porque ya sabremos en la primera cirugía qué tipo de tumor estamos tratando”.

Reportar sus hallazgos en Naturaleza, los investigadores – de IMU Utrecht, UMC de Ámsterdam y del Centro de Oncología Pediátrica Princesa Máxima – explicar cómo crearon, entrenaron y probaron la herramienta. También describen su uso durante 25 cirugías, donde Sturgeon clasificó con precisión el 72% de los tumores en menos de 45 min.

Sturgeon funciona mediante el uso de secuenciación rápida de nanoporos, una tecnología que ayuda a leer el ADN en tiempo real, para obtener un perfil de metilación escaso durante la cirugía. Los patrones de metilación son modificaciones del ADN que son muy distintivas de un tipo de tumor individual, lo que permite la subclasificación molecular de los tumores del SNC. El clasificador de redes neuronales es independiente del paciente, lo que significa que no requiere entrenamiento de modelo específico del paciente y solo toma unos segundos para ejecutarse en una computadora portátil.

Debido a la disponibilidad limitada de conjuntos de datos de metilación basados ​​​​en nanoporos, Bastian Tops, Jeroen de Ridder y sus colegas desarrollaron una estrategia para generar datos de entrenamiento realistas a partir de perfiles de metilación basados ​​en matrices estándar. Sturgeon utiliza estos datos para aumentar la cantidad de muestras de entrenamiento disponibles, simulando miles de experimentos únicos de secuenciación de nanoporos de cada perfil de metilación tumoral. En última instancia, los modelos finales de Sturgeon se entrenaron en 36.8 millones de ejecuciones de nanoporos simulados y se validaron en 4.2 millones adicionales.

Inicialmente, los investigadores entrenaron a Sturgeon para realizar la clasificación de tumores del SNC y los aplicaron a escasos datos de secuenciación de nanoporos en 50 muestras de tumores del SNC y a un conjunto de datos disponible públicamente de muestras secuenciadas del SNC. El modelo clasificó correctamente 45 de las 50 muestras de tumores, dentro de los 40 minutos posteriores al inicio de la secuenciación, con resultados similares para el conjunto de datos públicos.

Para validar específicamente el desempeño de Sturgeon en el diagnóstico de tumores pediátricos del SNC, el equipo obtuvo 94 perfiles de metilación de pacientes pediátricos a los que se les realizó una resección de tumores del SNC y los utilizó para simular experimentos de secuenciación de nanoporos. Para los casos con un diagnóstico claro, Sturgeon clasificó correctamente (con un umbral de confianza de 0.8) el 95.3% de 34,000 muestras simuladas en 25 minutos y el 97.1% en 50 minutos.

"Estos resultados sugieren que se puede alcanzar un diagnóstico concluyente entre 25 y 50 minutos después de la secuenciación simulada para la gran mayoría de los casos pediátricos que pueden clasificarse... con una tasa de error muy baja", escriben.

El equipo también demostró el uso de Sturgeon durante 20 cirugías pediátricas en el Centro Princess Máxima y cinco cirugías de adultos en Amsterdam UMC. Para este estudio de viabilidad clínica, las muestras obtenidas para la evaluación histológica se dividieron, una parte se utilizó para la secuenciación intraoperatoria y la otra para la evaluación histológica. Los investigadores informan que Sturgeon diagnosticó correctamente 18 de los 25 tumores en menos de 45 minutos de secuenciación, con un tiempo total de respuesta diagnóstica de menos de 90 minutos.

Una limitación de Sturgeon es que solo funciona bien en muestras que están suficientemente representadas en los datos de entrenamiento, que no incluyen tipos raros de tumores del SNC. El esturión tampoco funciona tan bien cuando se analizan muestras que contienen menos del 50% de células anormales. Además, muestras de tejido grandes (alrededor de 5 mm3), son necesarios para proporcionar una concentración suficiente de ADN.

Los investigadores dicen Mundo de la física que futuros desarrollos futuros de este método incluirán la aplicación a otros tipos de tumores, como el sarcoma o la leucemia, así como la validación prospectiva para demostrar el beneficio para el paciente y estudios en una población de pacientes mucho mayor.

Sello de tiempo:

Mas de Mundo de la física