Sistema rápido de OCT detecta tejido hepático maligno durante la cirugía

Los procedimientos más largos aumentan el riesgo de hemorragia, infección e inestabilidad de la vía aérea o hemodinámica, además de añadir carga de trabajo a los equipos quirúrgicos. Una evaluación intraoperatoria más rápida y fiable mejoraría la seguridad y la eficiencia. Para ayudar a abordar este desafío, investigadores han combinado ahora la tomografía de coherencia óptica con inteligencia artificial para acelerar el análisis de muestras de hígado.

El enfoque combina la tomografía de coherencia óptica (OCT) con un algoritmo de detección de anomalías desarrollado por equipos del University Hospital RWTH Aachen, el Fraunhofer Institute for Production Technology (IPT) y Fraunhofer Austria Research. La OCT proporciona vistas volumétricas y transversales del tejido y ya está establecida en oftalmología. El proyecto adapta esta modalidad de imagen para su uso intraoperatorio en cirugía hepática y aplica aprendizaje automático para distinguir el parénquima normal del tejido maligno.

La OCT genera exploraciones tridimensionales mediante ondas de luz, produciendo imágenes detalladas en cuestión de segundos. El modelo de detección de anomalías se entrena únicamente con exploraciones de parénquima hepático normal, lo que le permite identificar como sospechosas las desviaciones de la distribución aprendida. Este paradigma de entrenamiento es adecuado para entornos en los que las muestras no malignas superan en número a las malignas y permite un desarrollo del modelo notablemente más rápido que los clasificadores supervisados tradicionales.

Bajo condiciones de laboratorio, los colaboradores obtuvieron 173 exploraciones OCT de 69 pacientes en el University Hospital RWTH Aachen, incluidas 88 exploraciones de parénquima hepático normal y 85 exploraciones de varios tipos de tumor. Aplicar la detección de anomalías a imágenes OCT del hígado humano representa una combinación pionera en este contexto. El trabajo demuestra la viabilidad de un apoyo a la decisión rápido e intraoperatorio.

La clasificación se produce en cuestión de segundos e indica si una exploración corresponde a tejido normal o tumoral, con confirmación posterior mediante histopatología estándar. Con los datos disponibles, el modelo logró una precisión media del 81%. Según el tipo de tumor, las precisiones observadas alcanzaron el 94.3%, el 84.5% y el 65.9%. Los hallazgos se publicaron en Scientific Reports.

Los próximos pasos incluyen trasladar el método de las condiciones de laboratorio al quirófano, miniaturizar el sensor e integrar el sistema en los flujos de trabajo quirúrgicos como complemento de la histopatología. Estos avances buscan apoyar resecciones más rápidas y reducir la carga sobre los equipos perioperatorios sin sacrificar la certeza diagnóstica.

“Lo especial de este método es que el modelo se entrena exclusivamente con ejemplos buenos, es decir, exploraciones de parénquima hepático normal. Luego, el método detecta de forma fiable las desviaciones de esta distribución. Con los datos disponibles, logramos una precisión media del 81% y así demostramos que la detección de anomalías es muy adecuada como herramienta de apoyo a la decisión en este contexto. Nuestro trabajo ha aportado la prueba de concepto”, dijo Ulrich Krispel, experto en detección de anomalías de Fraunhofer Austria.

Enlaces relacionados
Fraunhofer Austria