Respuestas
Respuesta:
Investigadores del CITSEM de la Universidad Politécnica de Madrid están desarrollando, en colaboración con el servicio de neurocirugía del Hospital Universitario 12 de Octubre de Madrid, herramientas para la detección de tumores cerebrales de manera no invasiva. Ambos integran el proyecto sinérgico de investigación NEMESIS-3D-CM, financiado por la Comunidad de Madrid y cuyo objetivo es construir un sistema de diagnóstico intraoperatorio que combine imágenes hiperespectrales, imágenes de resonancia magnética e imágenes de ultrasonido para idear futuros sistemas de neuronavegación inmersiva 3D.
¿Qué son las imágenes hiperespectrales?
Las imágenes hiperespectrales captan información más allá del espectro visible, incluyendo el infrarrojo y el ultravioleta cercanos. Si, por ejemplo, las comparamos con las imágenes a las que estamos acostumbrados, veremos que estas están conformadas por la reflectancia capturada de la escena en solo tres canales de información (Rojo, Verde y Azul). Son los mismos tres canales que detectan las células de nuestros ojos. Sin embargo, una cámara hiperespectral, es capaz de capturar tantos canales como su diseño permita. Esto permite obtener mucha más información, hasta ahora oculta, de la escena. Este es el motivo por el que, recientemente, esta tecnología está siendo utilizada en distintos ámbitos, a parte del sanitario.
Detección de tejido canceroso con Machine Learning
A día de hoy, el proyecto NEMESIS-3D-CM cuenta con dos cámaras hiperespectrales que permiten a los investigadores tomar imágenes sobre pacientes cuyo cerebro ha quedado expuesto para ser operado. Una vez se toman estas imágenes y después de la operación, los neurocirujanos indican qué píxeles corresponden a tejido sano, canceroso, sangre venosa, arteria o cualquier otro material, usando para ello una herramienta de etiquetado que proporcionan los investigadores. A estos píxeles etiquetados se les conoce como verdad terrena y son utilizados para entrenar modelos de Machine Learning, permitiendo realizar clasificaciones sobre los píxeles de nuevas imágenes de pacientes. Actualmente se sigue trabajando en la adquisición de más imágenes, de manera que se pueda acceder a una base de datos robusta con la que poder entrenar modelos. Cuanto mayor sea esta base de datos, más precisos serán los modelos y mejores serán las clasificaciones de los tejidos; aumentando así la fiabilidad de la información facilitada, en tiempo real, a los neurocirujanos.
En la imagen se puede ver la fotografía RGB del cerebro de un paciente capturada con un teléfono móvil durante la operación. Debajo se ve la imagen hiperespectral, del mismo paciente, tomada con la cámara hiperespectral y representada en escala de grises. Por último, se ve una visualización de la imagen verdad terreno con los píxeles etiquetados por los neurocirujanos, usada para entrenar los modelos de Machine Learning. En verde se ve el tejido sano, en rojo el tejido con cáncer, en azul sangre venosa, en cian sangre arterial y en magenta dura madre.
Aplicación: Modelos 3D del cerebro
Combinando la información de las imágenes hiperespectrales, imágenes de resonancia magnética e imágenes por ultrasonidos, el proyecto NEMESIS-3D-CM trabaja en desarrollar el primer sistema en 3D inmersivo que ayudará a los neurocirjuanos a navegar virtualmente y en tiempo real por el cerebro. Con esta herramienta de diagnóstico se les quiere ayudar a decidir sobre la tarea crítica de delimitar tumores cerebrales, malformaciones vasculares cerebrales o a localizar patologías cavernosas que pueda tener el paciente intervenido.
Explicación: