Nuevos marcadores de imágenes cuantitativos podrían mejorar detección, diagnóstico y tratamiento del cáncer
Por el equipo editorial de MedImaging en español Actualizado el 24 Mar 2022 |
Las imágenes médicas son una herramienta esencial para ayudar a los médicos y científicos a evaluar el tamaño y el alcance de un tumor que se extirpará de manera efectiva mediante cirugía, así como la velocidad a la que los tumores se reducen en respuesta a intervenciones médicas como la quimioterapia o la radioterapia. Los investigadores ahora están investigando múltiples vías, incluido el desarrollo de marcadores cuantitativos de imágenes, para ayudar a mejorar el uso de imágenes médicas en la detección, el diagnóstico y el tratamiento del cáncer.
Los investigadores del Centro de Imágenes Médicas para la Investigación Traslacional del Cáncer de Oklahoma (Norman, OK, EUA) están desarrollando marcadores cuantitativos de imágenes para proporcionar una medida o índice objetivo que pueda reducir la subjetividad y mejorar la consistencia para el diagnóstico de imágenes médicas utilizando dos tipos principales de enfoques de investigación. El primer enfoque es desarrollar nuevas modalidades de imágenes de investigación de vanguardia para ampliar la capacidad de los médicos para ver o detectar estructuras internas del tumor más detalladas, como el uso de tecnologías y modalidades de imágenes ópticas avanzadas. El segundo es explorar y extraer características de imagen más efectivas de las modalidades de imágenes clínicas existentes, como imágenes de tomografía computarizada, resonancia magnética y rayos X, y luego usar inteligencia artificial o modelos de aprendizaje automático para desarrollar nuevos marcadores cuantitativos de imágenes para ayudar a reducir la subjetividad y la variabilidad del diagnóstico de cáncer y predicción del pronóstico del cáncer.
El centro está comenzando con cuatro proyectos actualmente en marcha. En el primer proyecto, los investigadores están utilizando modalidades de imágenes mejoradas y marcadores cuantitativos para definir más claramente el margen de un tumor para mejorar los resultados de los pacientes. El segundo proyecto se centrará en el desarrollo de un microscopio óptico 3D de superresolución como método novedoso y único que permite a los investigadores comprender mejor las vías intracelulares que siguen las nanopartículas durante la transcitosis para tratar tumores. El centro apoyará la compra de un microscopio óptico 3D de súper resolución para permitir a los investigadores estudiar mejor la nanomedicina, una rama de la medicina que fusiona la nanotecnología y la medicina para el tratamiento y la prevención del cáncer. El microscopio de alta potencia mejorará la investigación en esta área.
El tercer proyecto tiene como objetivo utilizar la inteligencia artificial y el aprendizaje automático con imágenes de TC actuales y datos de patología para desarrollar un modelo que pueda informar el establecimiento de marcadores de imágenes que puedan reducir la subjetividad y la variabilidad de los resultados de las imágenes y mejorar el tratamiento del paciente. El cuarto proyecto tiene como objetivo utilizar nuevos métodos de imagen de investigación, tomografía de coherencia óptica y tomografía de coherencia óptica de campo completo para probar un fármaco exploratorio contra el cáncer. Estudios anteriores han demostrado que un medicamento antiparasitario puede tener el potencial para tratar ciertas formas de cáncer, incluido el cáncer de ovario, pero se necesita más investigación para que los científicos comprendan mejor sus efectos.
“Cuando algunos pacientes se someten a tratamientos contra el cáncer, algunos responderán favorablemente mientras que otros no. El tumor sigue creciendo, por lo que si podemos desarrollar un marcador de imágenes cuantitativas para predecir la probabilidad de que un paciente responda a cierto tipo de quimioterapia o tratamiento, podemos ayudar a los médicos a explorar un enfoque alternativo que puede ser más efectivo”, dijo Bin Zheng, Ph.D., profesor y becario de investigación del cáncer TSET de Oklahoma en la Escuela de Ingeniería Eléctrica e Informática de la Facultad de Ingeniería Gallogly, dirige el centro.
“Proponemos desarrollar un nuevo enfoque para identificar nuevos marcadores de imagen cuantitativos computados a partir de tres tipos de datos de neuroimagen utilizando inteligencia artificial, lo que nos permite definir más claramente el margen del tumor, predecir la recuperación de los déficits neurológicos y, por lo tanto, ayudar a mejorar los efectos de la cirugía y la supervivencia de los pacientes”, dijo Han Yuan, Ph.D., profesora asociada en la Escuela de Ingeniería Biomédica Stephenson en OU Norman, quien dirige el proyecto, “Marcadores de neuroimagen para predecir el resultado de la cirugía cerebral”.
Enlaces relacionados:
Centro de Imágenes Médicas para la Investigación Traslacional del Cáncer de Oklahoma
Últimas Imaginología General noticias
- Nuevo análisis de sangre podría reducir la necesidad de imágenes PET en pacientes con Alzheimer
- Procedimiento mínimamente invasivo podría ayudar a pacientes a evitar la cirugía de tiroides
- Arco en C móvil autónomo reduce tiempo de obtención de imágenes durante la cirugía
- Aplicación RA convierte escaneos médicos en hologramas para ayudar en planificación quirúrgica
- 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