Investigadores de la Universitat Politècnica de València (UPV) han liderado el desarrollo de una herramienta basada en inteligencia artificial que ayuda a identificar zonas situadas alrededor del glioblastoma con características compatibles con una posible infiltración tumoral. La metodología puede aportar información adicional para orientar la planificación quirúrgica.
El estudio, encabezado por el Biomedical Data Science Lab (BDSLab) del Instituto ITACA-UPV, ha utilizado datos de 940 pacientes pertenecientes a cuatro cohortes multicéntricas. Sus resultados se han publicado en la revista científica Neuro-Oncology.
El glioblastoma es uno de los tumores cerebrales más agresivos. Aunque la cirugía busca retirar la mayor cantidad posible de tejido tumoral, las resonancias convencionales no distinguen con precisión el edema vasogénico de las zonas infiltradas por células tumorales.
María Gómez-Mahiques, autora principal del trabajo e investigadora del BDSLab, explica que el estudio busca mejorar el análisis de las áreas que rodean el tumor y no aparecen claramente realzadas en las imágenes con contraste. Estas regiones quedan fuera del núcleo tumoral visible y pueden influir en la progresión y la recurrencia de la enfermedad.
Inteligencia artificial para analizar el entorno del tumor
La metodología combina un modelo de aprendizaje profundo con un algoritmo no supervisado. El primero delimita automáticamente el tumor, la necrosis y el edema. Después, el algoritmo estudia las diferencias entre dos tipos habituales de resonancia magnética, las secuencias T2 y FLAIR.
La herramienta divide el área identificada inicialmente como edema en dos regiones. Una presenta características compatibles con edema vasogénico. La otra muestra patrones de imagen asociados a un posible tumor que no capta contraste.
“El principal avance es que permite estudiar de forma objetiva y reproducible una región que hasta ahora resultaba muy difícil de delimitar, utilizando imágenes de resonancias disponibles habitualmente en los hospitales”, señala Gómez-Mahiques.
A partir de este análisis, el equipo ha creado el Índice de Heterogeneidad T2/FLAIR (TFHI). Este nuevo biomarcador calcula qué proporción del edema presenta características compatibles con una posible infiltración tumoral.
El método ha detectado diferencias relevantes entre ambas regiones en el 97,5 % de los pacientes analizados. En una de las cohortes, superar el umbral establecido se relacionó con un riesgo de fallecimiento aproximadamente dos veces mayor y con una diferencia de 98 días en la mediana de supervivencia.
El investigador del BDSLab-ITACA Elies Fuster-García destaca que estos resultados muestran el posible valor pronóstico del nuevo índice.
La metodología ofrece un marco cuantitativo para apoyar la planificación de la resección supramáxima del glioblastoma. Esta cirugía va más allá del tumor que aparece realzado con contraste, aunque todavía no existe una forma estandarizada de determinar qué regiones deben incluirse.
La herramienta puede proporcionar al neurocirujano información adicional para definir el margen de resección y buscar un equilibrio entre el beneficio oncológico y la preservación de las funciones del paciente.
“El objetivo a largo plazo es avanzar hacia una neurooncología más personalizada, adaptando las estrategias terapéuticas a las características concretas del tumor de cada paciente”, afirma Juan M. García-Gómez, investigador principal del BDSLab.
El sistema se ha integrado en la plataforma abierta de investigación ONCOhabitats. Sus resultados no implican, por el momento, una aplicación clínica directa, pero aportan un nuevo método para estudiar la extensión y la heterogeneidad del glioblastoma.
