Un microscopio impulsado por IA podría comprobar la aparición del cáncer en minutos

El microscopio puede obtener imágenes rápidamente de trozos de tejido relativamente gruesos con resolución celular y podría permitir a los cirujanos inspeccionar los márgenes de los tumores a los pocos minutos de su extracción.

Diferencias de resolución de imágenes de DeepDOF al sistema tradicional. (Foto. Brandon Martin/ Rice University)
Diferencias de resolución de imágenes de DeepDOF al sistema tradicional. (Foto. Brandon Martin/ Rice University)
logo squared 200x200
9 enero 2021 | 00:05 h

Cuando los cirujanos extirpan el cáncer, una de las primeras preguntas es: "¿Lo consiguieron todo?" Investigadores de la Universidad Rice y el Centro Oncológico MD Anderson de la Universidad de Texas han creado un nuevo microscopio que puede obtener imágenes de grandes secciones de tejido de forma rápida y económica, potencialmente durante la cirugía, para encontrar la respuesta.

El microscopio puede obtener imágenes rápidamente de trozos de tejido relativamente gruesos con resolución celular y podría permitir a los cirujanos inspeccionar los márgenes de los tumores a los pocos minutos de su extracción. Fue creado por ingenieros y físicos aplicados en Rice y se describe en un estudio publicado esta semana en Proceedings of the National Academy of Sciences .

"El objetivo principal de la cirugía es eliminar todas las células cancerosas, pero la única forma de saber si se tiene todo es observar el tumor con un microscopio", dijo Mary Jin, Ph.D. de Rice. estudiante de ingeniería eléctrica e informática y coautora principal del estudio. "Hoy en día, solo puede hacer eso cortando primero el tejido en secciones extremadamente delgadas y luego obteniendo imágenes de esas secciones por separado. Este proceso de corte requiere un equipo costoso y la obtención de imágenes posteriores de múltiples cortes lleva mucho tiempo. Nuestro proyecto busca básicamente obtener imágenes de secciones grandes de tejido directamente, sin cortes. "

El microscopio de profundidad de campo extendido de aprendizaje profundo de Rice, o DeepDOF, utiliza una técnica de inteligencia artificial conocida como aprendizaje profundo para entrenar un algoritmo informático que optimiza tanto la recopilación de imágenes como el posprocesamiento de imágenes.

DeepDOF utiliza una técnica de inteligencia artificial que entrena un algoritmo informático para optimizar tanto la recopilación de imágenes como el posprocesamiento de imágenes

Con un microscopio típico, existe una compensación entre la resolución espacial y la profundidad de campo, lo que significa que solo las cosas que están a la misma distancia de la lente pueden enfocarse claramente. Las características que estén incluso unas millonésimas de metro más cerca o más lejos del objetivo del microscopio aparecerán borrosas. Por esta razón, las muestras de microscopio suelen ser delgadas y se montan entre portaobjetos de vidrio.

Hoy en día, los portaobjetos se utilizan para examinar los márgenes tumorales y no son fáciles de preparar. El tejido extraído generalmente se envía al laboratorio de un hospital, donde los expertos lo congelan o lo preparan con productos químicos. El proceso lleva mucho tiempo y requiere equipos especializados y trabajadores con formación especializada. Es raro que los hospitales tengan la capacidad de examinar en busca de márgenes tumorales durante la cirugía, y los hospitales en muchas partes del mundo carecen del equipo y la experiencia necesarios.

"Los métodos actuales para preparar el tejido para la evaluación del estado de los márgenes durante la cirugía no han cambiado significativamente desde que se introdujeron por primera vez hace más de 100 años", dijo la coautora del estudio, Ann Gillenwater, MD, profesora de cirugía de cabeza y cuello en MD Anderson. "Al llevar la capacidad de evaluar con precisión el estado de los márgenes a más sitios de tratamiento, el DeepDOF tiene el potencial de mejorar los resultados de los pacientes con cáncer tratados con cirugía".

UNA NUEVA ÓPTICA

El asesor y coautor correspondiente del estudio, Ashok Veeraraghavan, dijo que DeepDOF utiliza un microscopio óptico estándar en combinación con una máscara de fase óptica económica que cuesta menos de 10 dólares para obtener imágenes de piezas enteras de tejido y ofrecer profundidades de campo hasta cinco veces mayores que las actuales. microscopios de última generación.

"Tradicionalmente, los equipos de imágenes como cámaras y microscopios se diseñan por separado del software y los algoritmos de procesamiento de imágenes", dijo el coautor principal del estudio Yubo Tang, investigador asociado postdoctoral en el laboratorio de la coautora correspondiente Rebecca Richards-Kortum. "DeepDOF es uno de los primeros microscopios diseñado con el algoritmo de posprocesamiento en mente".

La máscara de fase se coloca sobre el objetivo del microscopio para modular la luz que ingresa al microscopio.

"La modulación permite un mejor control del desenfoque dependiente de la profundidad en las imágenes capturadas por el microscopio", dijo Veeraraghavan, experto en imágenes y profesor asociado de ingeniería eléctrica e informática en Rice. "Ese control ayuda a garantizar que los algoritmos de eliminación de borrosidad que se aplican a las imágenes capturadas recuperen fielmente la información de textura de alta frecuencia en un rango de profundidades mucho más amplio que los microscopios convencionales". DeepDOF hace esto sin sacrificar la resolución espacial, dijo.

"De hecho, tanto el patrón de máscara de fase como los parámetros del algoritmo de desvanecimiento se aprenden juntos utilizando una red neuronal profunda, lo que nos permite mejorar aún más el rendimiento", dijo Veeraraghavan.

DeepDOF puede capturar y procesar imágenes en tan solo dos minutos

DeepDOF utiliza una red neuronal de aprendizaje profundo, un sistema experto que puede aprender a tomar decisiones similares a las humanas mediante el estudio de grandes cantidades de datos. Para entrenar a DeepDOF, los investigadores le mostraron 1.200 imágenes de una base de datos de diapositivas histológicas. A partir de eso, DeepDOF aprendió cómo seleccionar la máscara de fase óptima para obtener imágenes de una muestra en particular y también aprendió cómo eliminar el desenfoque de las imágenes que captura de la muestra, enfocando células de diferentes profundidades.

"Una vez que la máscara de fase seleccionada se imprime e integra en el microscopio, el sistema captura imágenes en una sola pasada y el algoritmo ML (aprendizaje automático) realiza el desborde", dijo Veeraraghavan.

Richards-Kortum, profesor de la Universidad Malcolm Gillis de Rice, profesor de bioingeniería y director del Instituto Rice 360 ​​° para la Salud Global, dijo que DeepDOF puede capturar y procesar imágenes en tan solo dos minutos.

"Hemos validado la tecnología y mostrado una prueba de principio", dijo Richards-Kortum. "Se necesita un estudio clínico para averiguar si DeepDOF puede usarse como se propone para la evaluación de los márgenes durante la cirugía. Esperamos comenzar la validación clínica el próximo año".

Los contenidos de ConSalud están elaborados por periodistas especializados en salud y avalados por un comité de expertos de primer nivel. No obstante, recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.
Lo más leído