Imagenología espectroscópica en el IR ayuda para el diagnóstico del cáncer de colon
Por el equipo editorial de MedImaging en español Actualizado el 09 Sep 2019 |
Imagen: Un estudio nuevo afirma que las imágenes químicas de la FTIR pueden ayudar a identificar el cáncer de colon con mayor exactitud (Fotografía cortesía de ICL).
Según un estudio nuevo, las imágenes espectroscópicas infrarrojas con transformación de Fourier (FTIR) pueden producir ‘fotografías químicas’ de muestras de tejido de biopsia que van desde la sanas a las cancerosas.
Investigadores del Colegio Imperial de Londres (Imperial; Reino Unido) y la Universidad de Columbia Británica (UBC; Vancouver, Canadá) realizaron la obtención de imágenes espectroscópicas FTIR de tejidos de biopsia de colon, y las combinaron con un enfoque aleatorio de aprendizaje automático (ML) de máquinas forestales (NM) para clasificar las diferentes etapas de las neoplasias malignas del cáncer de colon. La combinación de los enfoques computacionales ópticos y del ML ayudó a eliminar la dispersión de fondo durante las mediciones. Los resultados demostraron que el estiramiento CH y que las bandas amida I tienen poca o ninguna importancia para la clasificación de las neoplasias malignas del colon.
El mejor resultado de predicción se encontró cuando la clasificación se realizó en la región de huellas dactilares del espectro infrarrojo medio (7-10 micras; 1500-1000 cm−1), con lo que se excluye la contribución de las bandas de amida I y II. La exactitud general de la predicción fue superior al 90%, con una excelente diferenciación de los tejidos displásicos e hiperplásicos. El estudio también mostró que la corrección computacional funcionó mejor que la corrección óptica, y que los estados de enfermedad se pueden diferenciar efectivamente incluso sin eliminar los efectos de dispersión. El estudio fue publicado el 16 de agosto de 2019, en la revista Analytical and Bioanalytical Chemistry.
“Es urgente desarrollar nuevas técnicas que puedan identificar las primeras etapas del cáncer, de una manera que vaya más allá de los métodos de histopatología actuales, para aumentar las tasas de supervivencia. El acoplamiento de imágenes espectroscópicas con enfoques avanzados de ML ayuda a la detección temprana y a la comprensión del cáncer”, dijo el autor principal, el profesor Sergei Kazarian, PhD, del departamento de ingeniería química del ICL. “Existe la emoción de tener una exactitud mejorada que promete avances en la detección temprana del cáncer y la diferenciación de las etapas de la enfermedad”.
Las imágenes FTIR implican hacer brillar un haz infrarrojo sobre una muestra y medir la cantidad de esa luz que se absorbe a diferentes frecuencias, que se utiliza para producir una referencia visual de la composición química de la muestra. Y aunque el estudio se restringió al cáncer de colon, los investigadores ya han creado modelos, que tienen el potencial de poder ser aplicados a otros cánceres difíciles de diagnosticar, como el cáncer de esófago e incluso anomalías no cancerosas.
Enlace relacionado:
Colegio Imperial de Londres
Universidad de Columbia Británica
Investigadores del Colegio Imperial de Londres (Imperial; Reino Unido) y la Universidad de Columbia Británica (UBC; Vancouver, Canadá) realizaron la obtención de imágenes espectroscópicas FTIR de tejidos de biopsia de colon, y las combinaron con un enfoque aleatorio de aprendizaje automático (ML) de máquinas forestales (NM) para clasificar las diferentes etapas de las neoplasias malignas del cáncer de colon. La combinación de los enfoques computacionales ópticos y del ML ayudó a eliminar la dispersión de fondo durante las mediciones. Los resultados demostraron que el estiramiento CH y que las bandas amida I tienen poca o ninguna importancia para la clasificación de las neoplasias malignas del colon.
El mejor resultado de predicción se encontró cuando la clasificación se realizó en la región de huellas dactilares del espectro infrarrojo medio (7-10 micras; 1500-1000 cm−1), con lo que se excluye la contribución de las bandas de amida I y II. La exactitud general de la predicción fue superior al 90%, con una excelente diferenciación de los tejidos displásicos e hiperplásicos. El estudio también mostró que la corrección computacional funcionó mejor que la corrección óptica, y que los estados de enfermedad se pueden diferenciar efectivamente incluso sin eliminar los efectos de dispersión. El estudio fue publicado el 16 de agosto de 2019, en la revista Analytical and Bioanalytical Chemistry.
“Es urgente desarrollar nuevas técnicas que puedan identificar las primeras etapas del cáncer, de una manera que vaya más allá de los métodos de histopatología actuales, para aumentar las tasas de supervivencia. El acoplamiento de imágenes espectroscópicas con enfoques avanzados de ML ayuda a la detección temprana y a la comprensión del cáncer”, dijo el autor principal, el profesor Sergei Kazarian, PhD, del departamento de ingeniería química del ICL. “Existe la emoción de tener una exactitud mejorada que promete avances en la detección temprana del cáncer y la diferenciación de las etapas de la enfermedad”.
Las imágenes FTIR implican hacer brillar un haz infrarrojo sobre una muestra y medir la cantidad de esa luz que se absorbe a diferentes frecuencias, que se utiliza para producir una referencia visual de la composición química de la muestra. Y aunque el estudio se restringió al cáncer de colon, los investigadores ya han creado modelos, que tienen el potencial de poder ser aplicados a otros cánceres difíciles de diagnosticar, como el cáncer de esófago e incluso anomalías no cancerosas.
Enlace relacionado:
Colegio Imperial de Londres
Universidad de Columbia Británica
Últimas Imaginología General noticias
- Tecnología de imágenes proporciona nuevo enfoque innovador para diagnosticar y tratar cáncer de intestino
- Puntuación de calcio coronario por TC predice ataques cardíacos y accidentes cerebrovasculares
- Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC
- El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas
- Tecnología innovadora revoluciona imágenes mamarias
- Sistema de última generación mejora la precisión de procedimientos intervencionistas y diagnóstico guiados por imágenes
- Dispositivo basado en catéter con nuevo enfoque de imágenes cardiovasculares ofrece visión sin precedentes de placas peligrosas
- Modelo de IA dibuja mapas para identificar con precisión tumores y enfermedades en imágenes médicas
- Sistema de TC habilitado por IA proporciona resultados de imágenes más precisos y confiables
- Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular
- Software de planificación quirúrgica preoperatoria de RA hace que la cirugía sea más segura y eficiente
- Biopsia virtual impulsada por IA ayuda a evaluar cáncer de pulmón a partir de exploraciones médicas
- Nuevos materiales imprimibles en 3D para cirugía reconstructiva se pueden monitorear mediante rayos X o TC
- TC con conteo de fotones mejora evaluación de enfermedad arterial coronaria
- Nuevo radiotrazador ilumina exploración PET para detección más temprana de enfermedades
- Sistema de IA combina imágenes por TC con datos clínicos y genéticos para detección temprana del cáncer de pulmón