La IA predice fracturas de columna en pacientes con cáncer mediante TC/RM
Actualizado el 06 May 2022
Una de las mayores preocupaciones clínicas a las que se enfrentan los pacientes con cáncer es el riesgo de fracturas vertebrales debido a metástasis vertebrales, cuando la enfermedad se propaga desde otras partes del cuerpo a la columna vertebral, lo que puede provocar dolor intenso e inestabilidad vertebral. A medida que la medicina continúa adoptando el aprendizaje automático, un nuevo estudio sugiere cómo los científicos pueden usar la inteligencia artificial (IA) para predecir cómo el cáncer puede afectar la probabilidad de fracturas a lo largo de la columna vertebral.
Si bien, muchos de los cambios que sufre el cuerpo cuando se expone a lesiones cancerosas, siguen siendo un misterio, con el poder del modelado computacional, los científicos pueden tener una mejor idea de lo que le sucede a la columna vertebral. El estudio realizado por investigadores de la Universidad Estatal de Ohio (Columbus, OH, EUA) demostró cómo los investigadores entrenaron un marco asistido por IA, llamado ReconGAN, para crear un gemelo digital o una reconstrucción virtual de la vértebra de un paciente. A diferencia de la impresión 3D, donde un modelo virtual se convierte en un objeto físico, el concepto de gemelo digital implica construir una simulación por computadora de su contraparte de la vida real sin crearla físicamente. Tal simulación se puede usar para predecir el desempeño futuro de un objeto o sistema; en este caso, cuánto estrés puede soportar la vértebra antes de romperse bajo presión.
Al entrenar a ReconGAN en imágenes de RM y micro-TC obtenidas tomando imágenes de vértebras rebanada por rebanada de un cadáver, los investigadores pudieron generar modelos microestructurales realistas de la columna vertebral. Usando su simulación, el equipo también pudo ampliar virtualmente el modelo, una capacidad que, según el estudio, es imprescindible para comprender e incorporar cambios en la forma geométrica de una vértebra en su totalidad. En este caso, los investigadores utilizaron TC/RM de una paciente de cáncer de pulmón de 51 años, cuyo cáncer había hecho metástasis, para simular lo que podría suceder si el cáncer debilitara algunas de las vértebras y cómo afectaría eso a la cantidad de estrés que podrían soportar los huesos antes de fracturarse.
El modelo predijo cuánta fuerza perderían partes de la vértebra como resultado de los tumores, así como otros cambios que podrían esperarse a medida que avanzaba el cáncer. Algunas de sus predicciones fueron confirmadas por observaciones clínicas en pacientes con cáncer. Para un campo como la ortopedia, el uso de una herramienta no invasiva como el gemelo digital puede ayudar a los cirujanos a comprender nuevas terapias, simular diferentes escenarios quirúrgicos y visualizar cómo cambiará el hueso a lo largo del tiempo, ya sea debido a la debilidad del hueso o a los efectos de la radiación. Según los investigadores, el gemelo digital también se puede modificar según las necesidades específicas del paciente. Sin embargo, según los investigadores, esto fue solo un estudio de factibilidad y se necesita mucho más trabajo. ReconGAN se entrenó con datos de una sola muestra cadavérica, y se necesitan más datos para perfeccionar la IA.
“La fractura de columna aumenta el riesgo de muerte del paciente en aproximadamente un 15 %”, dijo Soheil Soghrati, coautor del estudio y profesor asociado de ingeniería mecánica y aeroespacial en la Universidad Estatal de Ohio. “Al predecir el resultado de estas fracturas, nuestra investigación ofrece a los expertos médicos la oportunidad de diseñar mejores estrategias de tratamiento y ayudar a los pacientes a tomar decisiones mejor informadas. Lo que realmente hace que el trabajo sea distinto es cuán detallada pudimos modelar la geometría de la vértebra. Podemos evolucionar virtualmente el mismo hueso de una etapa a otra”.
“El objetivo final es desarrollar un gemelo digital de todo lo que un cirujano pueda operar”, agregó Soghrati. "En este momento, solo se usan para cirugías muy, muy desafiantes, pero queremos ayudar a ejecutar esas simulaciones y ajustar esos parámetros aún más".
Enlaces relacionados:
Universidad Estatal de Ohio
