Los investigadores planean utilizar la IA para comprender y tratar mejor los tumores cerebrales

Los médicos están colaborando con científicos informáticos para mejorar la atención de los pacientes con malformaciones cavernosas, algunos de los tumores más difíciles de tratar en la cabeza y la columna vertebral.

Las malformaciones cavernosas son tumores vasculares en el cerebro o la médula espinal. Aunque son «benignas» en lugar de cancerosas, estas lesiones de los vasos sanguíneos aún pueden causar problemas de salud graves, como epilepsia, derrames cerebrales y ceguera, así como problemas de movimiento, entumecimiento y hormigueo en todo el cuerpo.

Esto se debe principalmente a que las malformaciones cavernosas tienden a estallar o sangrar, lo que puede impactar en los tejidos cercanos de manera espontánea y aparentemente inexplicable hasta que se diagnostican los tumores, generalmente mediante resonancia magnética o MRI. La mayoría de las malformaciones cavernosas no se detectan hasta que comienzan a causar problemas, pero una vez conocidas, los médicos y los pacientes se enfrentan a la difícil decisión de operarlas, medicarlas o dejarlas en paz.

«La medicina en general es considerablemente compleja y la neurocirugía es extremadamente compleja, con malformaciones cavernosas entre las más difíciles de manejar», dijo el Dr. Caleb Stewart, neurocirujano de LSU Health Shreveport. «También es uno de los problemas menos estudiados en neurocirugía porque cada malformación se presenta como un problema de manzanas y naranjas: cada uno parece único, por lo que es difícil comparar, planificar procedimientos y tomar decisiones sobre el mejor curso de acción».

LSU Health Shreveport, LSU Shreveport, Ochsner Health y sus colaboradores en Australia ahora están aprovechando la ciencia de los grandes datos y la inteligencia artificial, o IA, para resolver este desafío y brindar una mejor atención a los pacientes. Los investigadores utilizarán más de una década de datos clínicos de LSU Health Shreveport: registros de salud electrónicos, resultados de laboratorio, códigos de diagnóstico, imágenes médicas y diapositivas de patología son solo algunas de las muchas fuentes de información que contribuyen al rico conjunto de datos de cerca de 3.000 variables.

Eso es mucho más de lo que la mayoría de los neurocirujanos pueden considerar en su trabajo diario con los pacientes.

«Estas lesiones están ubicadas en el cerebro y la médula espinal, y las que están cerca de la base del cráneo o en lo profundo del cerebro son áreas inherentemente de alto riesgo», dijo el Dr. Stewart. «Francamente, todavía no tenemos las herramientas analíticas adecuadas para poder predecir si van a causar problemas o no. Si no sangran e intervenimos, podemos hacerles un gran daño a nuestros pacientes. Todos nosotros Lo que tenemos que seguir ahora es la experiencia, la intuición y el consenso: nuestro juicio no está realmente cimentado en la probabilidad específica del paciente».

Mientras tanto, la IA es excepcionalmente buena para reconocer patrones en grandes conjuntos de datos, incluso entre variables que nadie esperaba que estuvieran conectadas. Esto podría ayudar a los médicos a hacer mejores predicciones de los resultados de los pacientes, ya sea que la mejor opción sea la cirugía, la radiación, la medicación o no hacer nada en absoluto.

Subhajit Chakrabarty, profesor asistente de informática en LSU Shreveport, aporta su experiencia en inteligencia artificial y aprendizaje automático al proyecto.

«Lo que me encanta de este proyecto es el desafío de los datos», dijo Chakrabarty. «Además de muchas variables observadas y registradas, es probable que haya varias variables ocultas, varios grupos de datos ocultos y causalidades complejas. No solo nos gustaría obtener nuevos conocimientos basados ​​en datos para las malformaciones cavernosas, sino que también nos gustaría establecer un alto punto de referencia de modelado predictivo preciso».

El objetivo de los investigadores es utilizar el estudio de las malformaciones cavernosas como trampolín para otros proyectos.

«Una gran parte de nuestro desafío es la creación de equipos, la recopilación y la gestión de los datos en sí», dijo el Dr. Stewart. «Ahora tenemos una supercomputadora, por lo que, desde un punto de vista computacional, podemos ser más productivos y eficientes con el procesamiento de datos. Sin embargo, también tenemos que construir una nueva infraestructura entre las personas (investigadores y médicos en diferentes disciplinas y ubicaciones) para lograr un objetivo mucho mayor. visión de lo que estamos tratando de hacer aquí, que es ayudar a los pacientes».

El Dr. Steven Conrad es el jefe de la división de informática clínica de LSU Health Shreveport y colaborador del proyecto.

«Los equipos multidisciplinarios que combinan experiencia en medicina clínica y ciencia de datos son clave para aprovechar las capacidades de las técnicas de aprendizaje automático e inteligencia artificial de nueva generación», dijo el Dr. Conrad. «El Dr. Stewart y sus colegas han reunido un equipo que puede abordar problemas difíciles del mundo real en biomedicina».

Los neurocirujanos y neurólogos de Luisiana y de todo el mundo se beneficiarían de mejores herramientas predictivas en el diagnóstico y tratamiento de las malformaciones cavernosas, según el Dr. Korak Sarkar de Ochsner Health en Nueva Orleans. Fundó y actualmente se desempeña como director médico del laboratorio m3D de Ochsner. Su trabajo en visualización avanzada aprovecha herramientas como la fabricación aditiva y la realidad mixta para crear modelos anatómicos específicos de pacientes para la educación del paciente, la formación médica y el apoyo clínico.

«La implementación y validación de herramientas novedosas en el cuidado de la salud, como el aprendizaje automático, la impresión 3D y la realidad virtual, requieren colaboraciones como las que existen entre LSU y Ochsner», dijo el Dr. Sarkar. «Estas iniciativas beneficiarán en gran medida a Luisiana, donde, lamentablemente, nuestra población soporta una gran carga de enfermedades, en particular enfermedades cerebrovasculares».