Uso de inteligencia artificial para predecir fracturas óseas en pacientes con cáncer

A medida que la medicina continúa adoptando el aprendizaje automático, un nuevo estudio sugiere cómo los científicos pueden usar la inteligencia artificial para predecir cómo el cáncer afectará la probabilidad de fracturas a lo largo de la columna.

En los Estados Unidos, cada año se diagnostican más de 1,6 millones de casos de cáncer, y alrededor del 10 % de estos pacientes desarrollan metástasis espinal, cuando la enfermedad se disemina desde otras partes del cuerpo hasta la columna vertebral. Una de las mayores preocupaciones clínicas para los pacientes es el riesgo de fracturas vertebrales debido a estos tumores, que pueden provocar dolor intenso e inestabilidad de la columna.

“Una fractura de la columna aumenta el riesgo de muerte de un paciente en aproximadamente un 15 %”, dijo. Suhail Al Saghraticoautor del estudio y profesor asociado de Ingeniería Mecánica y Aeroespacial en la Universidad Estatal de Ohio. «Al predecir el resultado de estas fracturas, nuestra investigación brinda a los expertos médicos la oportunidad de diseñar mejores estrategias de tratamiento y ayudar a los pacientes a tomar decisiones mejor informadas».

Sograti dijo que si bien muchos de los cambios que experimenta el cuerpo cuando se expone a lesiones cancerosas siguen siendo un misterio, con el poder del modelado por computadora, los científicos pueden tener una mejor idea de lo que le sucede a la columna vertebral.

Su estudio fue publicado en Revista Internacional de Métodos Numéricos en Ingeniería Biomédicadescribe cómo los investigadores entrenaron un marco impulsado por IA llamado ReconGAN para crear un gemelo digital o reconstrucción virtual de la vértebra de un paciente.

A diferencia de la impresión 3D, donde un modelo virtual se convierte en un objeto físico, el concepto de gemelo digital Implica construir una simulación por computadora de su contraparte del mundo real sin crearla físicamente. Tales simulaciones se pueden usar para predecir el rendimiento futuro de un objeto o sistema; en este caso, cuánto estrés puede soportar una vértebra antes de romperse bajo estrés.

Al entrenar a ReconGAN en imágenes precisas de resonancia magnética y tomografía computarizada obtenidas tomando imágenes de diapositivas de vértebras obtenidas de un cadáver, los investigadores pudieron crear modelos esqueléticos precisos y realistas de la columna vertebral. Usando simulaciones, el equipo de Soghrati también pudo ampliar aproximadamente el modelo, una habilidad que, según el estudio, es necesaria para comprender e incorporar cambios en la forma geométrica general de una vértebra.

“Lo que realmente hace que el trabajo sea especial es la cantidad de detalles que pudimos modelar en la geometría del párrafo”, dijo Sugrati. «De hecho, podemos evolucionar el mismo hueso de una etapa a la siguiente».

En este caso, los investigadores utilizaron tomografías computarizadas/resonancias magnéticas de una mujer de 51 años con cáncer de pulmón cuyo cáncer se había propagado para simular lo que sucedería si el cáncer debilitara ciertas vértebras y cómo eso afectaría la cantidad de estrés que el hueso podría soportar antes. fractura.

El modelo predijo cuánta fuerza perderían partes de la vértebra como resultado de los tumores, así como otros cambios que podrían esperarse a medida que avanzaba el cáncer. Algunas de sus predicciones han sido confirmadas por observaciones clínicas en pacientes con cáncer.

Para un campo como la ortopedia, el uso de una herramienta no quirúrgica como un gemelo digital puede ayudar a los cirujanos a comprender nuevos tratamientos, simular diferentes escenarios quirúrgicos y visualizar cómo cambiará el hueso con el tiempo, ya sea debido a la debilidad de los huesos o a los efectos de la radiación. . Al-Saghrati dijo que el gemelo digital también se puede modificar según las necesidades específicas del paciente.

“El objetivo final es desarrollar un gemelo digital de todo lo que un cirujano puede operar”, dijo. «En este momento, solo se usan en cirugías muy desafiantes, pero queremos ayudar a ejecutar esas simulaciones y ajustar aún más esos parámetros».

Pero Al-Saghrati dijo que esto era solo un estudio de factibilidad y que se necesitaba más trabajo. ReconGAN se entrenó con datos de una sola muestra de cadáver, y se necesitan más datos para la perfección de la IA.

Otros coautores son Hussain Ahmadian, Prasath Mageswaran, Benjamin A. Walter, Dukagen M. Blackage, Eric C. Burikas, Ehud Mendel y William S. Maras de Ohio. Esta investigación fue apoyada por el Centro de Ingeniería del Cáncer de la Universidad Estatal de Ohio.