EXAMEN INTRAOPERATORIO UTILIZANDO HYperspectral basado en aprendizaje automático para diagnóstico y evaluación de anatomía autónoma (iEXMachyna3)

El reconocimiento intraoperatorio de las estructuras objetivo, que deben conservarse o eliminarse selectivamente, es de suma importancia durante los procedimientos quirúrgicos. Esta tarea se basa principalmente en el conocimiento anatómico y la experiencia del operador. En el marco de la cirugía mínimamente invasiva, hay una retroalimentación táctil reducida y la visión del cirujano es la única pista para discriminar los tejidos. La percepción errónea de la anatomía, debido a condiciones patológicas específicas del paciente y/oa la inexperiencia del cirujano, puede conducir a un mayor riesgo de lesión iatrogénica de estructuras anatómicas críticas y puede tener consecuencias devastadoras. La imagen hiperespectral (HSI) representa una tecnología prometedora que combina una cámara fotográfica con un espectrómetro y que es capaz de realizar un escaneo óptico en tiempo real sobre un área grande, sin contraste, proporcionando información tanto espacial como espectral, generada por la interacción tejido/luz. La tecnología se basa en el uso de mediciones de imágenes espectroscópicas de reflectancia. La medida consiste en la irradiación de luz blanca sobre la zona (lámparas halógenas normales, en intensidad no nociva) y el registro de las intensidades espectrales remitidas desde la zona en forma de espectros de remisión. La interacción óptica (dispersión, absorción) de la luz incidente con los diversos componentes (incluida la profundidad) del material objetivo (p. tejidos biológicos) altera la distribución espectral de la luz para que la luz remitida lleve información sobre la composición y fisiología del material o tejido actual (p. perfusión). HSI es un método ya establecido para clasificar objetivamente la información de la imagen en varios campos científicos (p. teledetección), que se aplicó por primera vez en el área de la medicina humana hace unos 15 años. Debido a las ventajas intrínsecas de la recolección de muestras no destructivas, las posibilidades de interfaz con las modalidades ópticas comunes (microscopio, endoscopio) y los resultados cuantitativos independientes del examinador, mientras tanto se han desarrollado varios enfoques para aprovechar el potencial de las imágenes hiperespectrales en medicina.

Su utilidad en el campo biomédico ya ha sido ampliamente demostrada. Se ha aplicado previamente en cirugía digestiva para cuantificar la hemoglobina oxigenada intestinal durante varios procedimientos, o en caso de isquemia mesentérica. Varios trabajos anteriores se centraron con éxito en la capacidad de HSI para discriminar entre tejido normal y tumoral, en cáncer de próstata, cáncer colorrectal, cáncer gástrico, glioblastoma, cánceres de cabeza y cuello. En el campo oncológico, los avances en la clasificación de características hiperespectrales han sido notables y han llevado al uso exitoso de sofisticados algoritmos de aprendizaje profundo. En cirugía, se ha estudiado la utilidad de la cámara HSI para visualizar el campo operatorio bajo sangrado difícil o para detectar la presencia de tumor dentro de los márgenes de resección después de la extirpación quirúrgica.

Un grupo japonés utilizó un sistema HSI como herramienta de visualización adicional para detectar isquemia intestinal y también para clasificar la anatomía intraabdominal. Identificaron una longitud de onda particular (756-830 nm) para la diferenciación entre intestino sano y menos perfundido. También demostraron que el bazo, el colon, el intestino delgado, la vejiga urinaria y el peritoneo tienen diferentes características espectrales. Este hallazgo podría permitir en el futuro la navegación basada en HSI del campo de operación. Nuestro grupo empleó recientemente HSI como herramienta intraoperatoria en el modelo porcino para cuantificar la perfusión de los órganos del tracto gastrointestinal contra marcadores biológicos robustos. Los resultados mostraron que esta tecnología es capaz de cuantificar el suministro de sangre intestinal con un alto grado de precisión.

Otros grupos intentaron previamente discriminar el conducto biliar de los vasos, el esófago del tejido traqueal, la tiroides de la glándula paratiroides, el nervio y el uréter del tejido circundante. Sin embargo, esos trabajos anteriores dirigidos a reconocer estructuras anatómicas clave se realizaron utilizando algoritmos de discriminación de características simples o métodos de selección de bandas. La cantidad de información obtenida después de cada adquisición varía según la resolución de la cámara, pero es bastante grande, por lo que se requieren técnicas de aprendizaje automático y profundo para la clasificación de datos y la extracción de características. En un conjunto de experimentos controlados en el modelo porcino, se han utilizado con éxito firmas hiperespectrales, junto con algoritmos de aprendizaje automático, para discriminar estructuras anatómicas finas, como nervios o uréteres, intraoperatoriamente (datos no publicados).

El estudio i-EX-MACHYNA3 tiene como objetivo traducir la tecnología HSI en combinación con varios algoritmos de aprendizaje profundo para diferenciar entre diferentes clases de tejidos humanos (incluidas estructuras anatómicas clave como BD, nervios y uréteres).