Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Imagenología espectroscópica en el IR ayuda para el diagnóstico del cáncer de colon

Por el equipo editorial de Medimaging en español
Actualizado el 10 Sep 2019
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.

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).
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).

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