Investigadores de la Universidad de Waterloo han creado un modelo informático para predecir con mayor exactitud el crecimiento de tumores cerebrales mortales. 

El glioblastoma multiforme (GBM) es un cáncer cerebral con una tasa media de supervivencia de sólo un año.

Es difícil de tratar debido a su núcleo extremadamente denso, su rápido crecimiento y su localización en el cerebro.

Estimar la difusividad y la tasa de proliferación de estos tumores es útil para los clínicos, pero esa información es difícil de predecir para un paciente individual con rapidez y precisión.

Investigadores de la Universidad de Waterloo y la Universidad de Toronto se han asociado con el Hospital St Michael de Toronto para analizar los datos de resonancia magnética de varios pacientes con GBM.

Utilizan el aprendizaje automático para analizar en profundidad el tumor del paciente y predecir mejor la progresión del cáncer.

Los investigadores analizaron dos conjuntos de resonancias magnéticas de cada uno de los cinco pacientes anónimos que padecían GBM.

Los pacientes se sometieron a resonancias magnéticas exhaustivas, esperaron varios meses y luego recibieron una segunda serie de resonancias.

Debido a que estos pacientes, por razones no reveladas, decidieron no recibir ningún tratamiento o intervención durante este tiempo, sus resonancias magnéticas proporcionaron a los científicos una oportunidad única para comprender cómo crece el GBM cuando no se controla. 

Los investigadores utilizaron un modelo de aprendizaje profundo para convertir los datos de las resonancias magnéticas en estimaciones de parámetros específicos del paciente que informan un modelo predictivo para el crecimiento del GBM.

Esta técnica se aplicó a tumores de pacientes y sintéticos, de los que se conocían las verdaderas características, lo que les permitió validar el modelo.

"Nos habría encantado hacer este análisis con un conjunto de datos enorme", afirma Cameron Meaney, doctorando en Matemáticas Aplicadas e investigador principal del estudio. "Sin embargo, dada la naturaleza de la enfermedad, eso es muy difícil porque no hay una larga esperanza de vida y la gente tiende a empezar el tratamiento. Por eso la oportunidad de comparar cinco tumores no tratados era tan rara... y valiosa".

Ahora que los científicos tienen un buen modelo de cómo crece el GBM sin tratamiento, su siguiente paso es ampliar el modelo para incluir el efecto del tratamiento en los tumores.

Entonces, el conjunto de datos pasaría de un puñado de resonancias magnéticas a miles.

Meaney subraya que el acceso a los datos de las resonancias magnéticas -y la colaboración entre matemáticos y clínicos- puede tener enormes repercusiones para los pacientes en el futuro.

"La integración del análisis cuantitativo en la asistencia sanitaria es el futuro", afirma Meaney.

El estudio aparece en la revista Journal of Theoretical Biology.

Artículo: Caracterización mediante aprendizaje profundo de tumores cerebrales con imágenes ponderadas por difusión

Fuente: Universidad de Waterloo