Crean Bisturí que permite detectar tumores cerebrales
Conéctate con nosotros

Innovación

Crean Bisturí que permite detectar tumores cerebrales

Investigadores desarrollaron un bisturí que detecta, a través de vibraciones microscópicas, el tejido cerebral afectado por un tumor.

Publicado

el

Crean Bisturí que permite detectar tumores cerebrales

Un grupo de Investigadores  de una de las universidades de  Alemania y Bélgica que incluye a un ingeniero electrónico mexicano desarrollaron un bisturí que detecta, a través de vibraciones microscópicas, el tejido cerebral afectado por un tumor.

Según el ingeniero David Oliva, mexicano miembro del equipo de investigación, declaró: “Hacemos vibrar 400 milisegundos al cerebro en 4 mil diferentes frecuencias. Obtenemos una fotografía de cómo el cerebro está vibrando y analizamos esas frecuencias para obtener un modelo matemático de las propiedades de lo que se está tocando”.

También puede leer: DUBSA, el dispositivo que trata la apnea obstructiva del sueño obtuvo patente de invención

Innovación médica

tumor cerebral

El bisturí podría ser una de las innovaciones médicas más usadas por los especialistas, puesto que en la actualidad las intervenciones depende, en su mayoría, del sentido del tacto del cirujano.

Por consiguiente, explican los investigadores con esta herramienta se puede precisar la intervención para remover tumores del cerebro, ya que la punta esférica del dispositivo genera alertas, que el médico puede ver y escuchar, que indican si el bisturí pasó sobre un tumor, tejido sano o si se está llegando a un borde.  

funcionamiento del bisturí 

De igual manera, expone el creador Mexicano, lo anterior es posible porque “un tejido sano tiene una forma de vibración muy diferente a una célula cancerígena o de un tumor”. Asimismo, el dispositivo puede ayudar a detectar tumores en fase temprana, cuando la diferencia entre el tejido sano y el afectado es casi imperceptible para el sentido de la vista y el tacto de los cirujanos.

Sin embargo, el dispositivo se encuentra en proceso de patente y se espera el aval de autoridades médicas europeas para poder hacer pruebas en humanos, pues hasta el momento se ha experimentado con tejidos artificiales y cerebros de cerdos, obteniendo buenos resultados.

Resonancia magnética

tumor en el cerebro

Por consiguiente, reafirma su creador, “este bisturí es capaz de detectar tumores cerebrales en un segundo, el bisturí desarrollado no tiene un filo como cualquier otro, sino que lleva un pequeño sensor con forma de esfera que es el encargado de detectar el tejido cancerígeno en el cerebro”.

No obstante, el investigador David Oliva Uribe, explica, “A pesar de que contamos con técnicas de imagen como la resonancia magnética y la ecografía que permiten localizar un tumor con precisión antes de la cirugía, durante la apertura craneal y el procedimiento quirúrgico hay muchos factores que pueden conducir a la pérdida de esta posición”, afirma Uribe.

Costo del dispositivo medico

Otro aspecto a destacar del dispositivo es su costo, en comparación con otras tecnologías vigentes similares. “Un aparato de resonancia magnética está en millones de euros, este bisturí no superará los 100 mil euros. Incluso podría ser adquirido por hospitales públicos y se podría llevar a Latinoamérica”, añadió el ingeniero Oliva.

Innovación

Crean método que permite la lectura de rayos X con IA

Los desarrolladores de esta técnica esperan que en el futuro, la lectura de rayos X por computador facilite las intervenciones quirúrgicas o el tratamiento de lesiones óseas

Publicado

el

metodo rayos x leer con inteligencia artificial

Para la medicina actual, los rayos X hacen parte de las herramientas usuales y necesarias para emitir ciertos diagnósticos. A pesar de que es un elemento indispensable que compite con otras técnicas de diagnóstico, la interpretación de las imágenes obtenidas solo puede realizarlas un profesional de la salud. Estas limitaciones quedarían en el pasado, si se pone en práctica un método desarrollado por expertos en inteligencia artificial (IA) que enseña a computadores, la lectura de rayos X.

Este nuevo logro médico-científico fue alcanzado por investigadores del Laboratorio Nacional del Noroeste del Pacífico (PNNL, en inglés) y la organización benéfica SIGN Fracture Care, pionera en la atención ortopédica y el diseño innovador de implantes que aceleran la curación sin necesidad de máquinas de rayos X de quirófano en tiempo real. De acuerdo con una publicación realizada en la revista JMAI (Journal of Medical Artificial Intelligence), este nuevo método pudo desarrollarse gracias a la base de datos quirúrgica de SIGN, conocida como SOSD, que agrupa más de 125.000 casos con 500.000 imágenes asociadas, considerada como una de las más grandes a nivel mundial.

El inmenso volumen de información permitió a los científicos del PNNL diseñar una herramienta computacional para mejorar el rendimiento analítico de las radiografías y mejorar la precisión de los datos introducidos por los especialistas utilizando técnicas de visión computarizada. Según los expertos, la tecnología mencionada ha mejorado dramáticamente en los últimos años debido a los avances en las arquitecturas de aprendizaje profundo. En particular, las redes neuronales convolucionales (redes artificiales) pueden aprender representaciones jerárquicas directamente de las imágenes sin depender de características manuales. En este proceso, cuanto más profunda sea la red neuronal, mayor será el nivel de abstracción de las características aprendidas resultantes.

También le puede interesar: AISLAMIENTO SELECTIVO INDIVIDUAL SE MANTIENE EN OCTUBRE

Rayos X: lectura computarizada reduce los fallos

Al diseñar técnicas de ‘deep learning’, los desarrolladores manejan un conjunto de imágenes que coinciden en tamaño y orientación, lo que facilita una primera parte del proceso de diseño. Sin embargo, en este caso se encontraron imágenes útiles que no se ajustaban a un estándar pero que debían ser incluidas. Al respecto, se menciona en el artículo que una de las mayores dificultades del proyecto era justamente la calidad y tamaño de las imágenes, ya que las radiografías digitales son una minoría y la mayoría de las imágenes son fotografías de radiografías de película.

Como primera etapa, se clasificaron las imágenes de la base de datos como radiografías por medio de un sistema de clasificación binario, creado específicamente para esta herramienta. Debido a que las radiografías tienden a tener un alto contraste y son en su mayoría en blanco y negro, las imágenes no radiográficas tienden a ser a todo color y tienen un contraste menos marcado fue necesaria la manipulación de imágenes para equilibrar mejor el espacio de color.

Esto produjo 5.151 radiografías y 3.994 imágenes no radiográficas para usarlas en el set de entrenamiento. De estas, el 10% de las imágenes fueron apartadas como un conjunto de validación para comprobar la precisión de nuestro modelo. Se creó un set de prueba que contenía 683 radiografías y 111 imágenes no radiográficas para examinar la capacidad de clasificación de nuestro modelo en imágenes inalteradas dentro de la base de datos que almacena los rayos X.

También le puede interesar: EL FUTURO DEL SISTEMA DE SALUD: ENTREVISTA CON CARLOS FELIPE MUÑOZ, GERENTE GENERAL DE CONSULTORSALUD

En una segunda parte de la iniciativa, el objetivo principal fue detectar el número y la ubicación de los implantes quirúrgicos (tornillos, clavos y placas) en las radiografías. Esto se logró con un aplicativo especial que enseña a la máquina a reconocer los implantes quirúrgicos y a ignorar los errores humanos en las imágenes (como dedos u otras marcas que quedan en los rayos X). El modelo de IA aprendió a identificar los elementos gracias al trabajo meticuloso con 300 radiografías.

rayos X 1
Imagen tomada del modelo de detección con IA. La máquina identifica con precisión los implantes quirúrgicos. Crédito: Pacific Northwest National Laboratory (PNNL).

En las conclusiones del artículo, los científicos mencionan que su modelo de inteligencia artificial trabajó con el modelo R-CNN ResNet-50, afinando sus habilidades para que se enfocara en la ágil detección de clavos, tornillos y placas quirúrgicas en rayos X. Los resultados de la herramienta de detección de objetos se utilizarán en futuros trabajos con el objetivo de sugerir parámetros quirúrgicos óptimos basados en el tipo y la ubicación de la fractura femoral utilizando la información sobre los resultados de los pacientes, cuya información esté disponible en la SOSD.

Continuar leyendo

Innovación

DystoniaNet, nueva plataforma de IA con 99% de precisión

La distonía hace parte de los trastornos neurológicos del movimiento. La plataforma DystoniaNet surgió como herramienta para que los especialistas detecten estos casos oportunamente

Publicado

el

DystoniaNet, nueva plataforma de IA con 99% de precisión

La evolución en las técnicas de diagnóstico, cada vez más, se inclinan por el uso de innovadoras tecnologías. Por un lado, se facilita la labor de los médicos y por otro, su aplicación garantiza a los pacientes el conocimiento preciso sobre la patología que lo aqueja y el tratamiento más adecuado para su caso. Entre las innovadoras herramientas, desde el sitio web PNAS se presentó la plataforma DystoniaNet, desarrollada para optimizar los tiempos en la detección de casos de distonía. De acuerdo con información de la Sociedad Española de Neurología (SEN), un 40% de casos se diagnostican erróneamente.

La plataforma fue desarrollada por los Drs. Kristina Simonyan and Davide Valeriani del Hospital Massachusetts Eye and Ear y el centro de innovación del Hospital General de Massachusetts. DystoniaNet funciona con un algoritmo computarizado que detecta un biomarcador asociado a la enfermedad. La información final se obtiene a partir de imágenes cerebrales tomadas en resonancias magnéticas.

“DystoniaNet no se desarrolló para reemplazar a los médicos, sino más bien como una prueba objetiva para reducir el tiempo para corregir el diagnóstico”, mencionó la Dr. Simonyan a la agencia de noticias Reuters Health. En el artículo presentado en PNAS, los investigadores señalaron que, aunque no se conocen biomarcadores específicos para la enfermedad, se logró identificar uno de ellos en el proceso de creación. Para lograrlo, se utilizó información proveniente de resonancias magnéticas estructurales de 521 personas, incluidos 301 pacientes con tres formas de distonía (279 laríngeas, 12 cervicales, 10 blefaroespasmos) y 220 individuos sanos. Del total de datos, un 69% correspondía a población femenina.

Tras el análisis de los escáneres cerebrales, el equipo a cargo logró identificar anomalías en el cuerpo calloso, la radiación talámica, el fascículo fronto-occipital inferior y el giro temporal. Éstas se consideran como los fenómenos asociados al descubierto biomarcador manifestado en pacientes con distonia.

También le puede interesar: SE EXTIENDE MEDIDA DE VIGILANCIA ESPECIAL A EPS CONVIDA, CAPRESOCA Y SAVIA SALUD

¿Cuáles son las ventajas de DystoniaNet?

Para los especialistas que trabajaron en la plataforma, las dificultades para el diagnóstico radican en la ausencia de estándares. A causa de esto, según explica la Dra. Simonyan, los pacientes deben someterse a procedimientos innecesarios, consultas médicas con otros especialistas para descartar otras enfermedades. “Hay una necesidad crítica de desarrollar, validar e incorporar herramientas de prueba objetivas para el diagnóstico de esta condición neurológica, y nuestros resultados muestran que DystoniaNet puede llenar este vacío”, expresó en un comunicado de prensa emitido por el Hospital Mass Eye and Ear.

dystonianet process 1
Imagen del proceso de detección con DystoniaNet. Fuente: Mass Eye and Ear.

DystoniaNet utiliza el aprendizaje profundo, un tipo particular de algoritmo de IA, para analizar datos de resonancias magnéticas individuales e identificar diferencias más sutiles en la estructura del cerebro. La plataforma logra detectar grupos de estructuras anormales en varias regiones cerebrales, asociadas al control del procesamiento y comandos motores. Estos pequeños cambios no pueden verse a simple vista en la resonancia magnética, y los patrones solo son evidentes a través de la capacidad de la plataforma para tomar imágenes 3D del cerebro y hacer zoom en sus detalles microestructurales, se explica en el mismo comunicado.

“Lo importante es que nuestra plataforma fue diseñada para ser eficiente e interpretable para los clínicos, proporcionando el diagnóstico del paciente, la confianza de la IA en ese diagnóstico e información sobre qué estructuras cerebrales son anormales”, menciona el Dr. Valeriani, el segundo autor del estudio.

La tecnología interpreta una resonancia magnética para un biomarcador microestructural en 0,36 segundos. Además de esto, la plataforma ha sido entrenada usando la plataforma de nubes computacionales de Amazon Web Services. De acuerdo con los desarrolladores, esta tecnología puede ser fácilmente traducida al entorno clínico, por ejemplo, al integrarse en un registro médico electrónico o directamente en el software del escáner de resonancia magnética. Si DystoniaNet encuentra una alta probabilidad de distonía en la resonancia magnética, un médico puede utilizar esta información para ayudar a confirmar con confianza el diagnóstico, buscar acciones futuras y sugerir un curso de tratamiento sin demora.

También le puede interesar: INOVIO PHARMACEUTICALS DETIENE LOS ENSAYOS DE SU VACUNA CONTRA EL COVID-19

Continuar leyendo

Innovación

Diseñan el sensor más pequeño y delgado del mundo para hacer lecturas de glucosa

La compañía farmacéutica estadounidense, Abbot anunció que obtuvo el marcado CE para el sensor de lectura de glucosa más pequeño del mundo denominado FreeStyle Libre 3.

Publicado

el

Diseñan el censor más pequeño y delgado del mundo para hacer lecturas de glucosa

La compañía farmacéutica estadounidense, Abbot anunció que obtuvo el marcado CE para el sensor de lectura de glucosa más pequeño del mundo, denominado FreeStyle Libre 3. Recordemos, que el marcado CE es la marca mediante la cual el fabricante o importador informa a los usuarios y autoridades competentes de que el producto comercializado cumple con la legislación obligatoria en materia de requisitos esenciales.

El dispositivo, con peso, tamaño y delgadez similar a una moneda es además de bajo costo y accesible para todas las personas que padecen de diabetes. La tecnología usada en el dispositivo proporciona lecturas de glucosa en tiempo real transmitidas de manera automáticamente en los smarthphones minuto a minuto.

Es decir, que para hacer uso del dispositivo es necesario descargar la aplicación móvil FreeStyle Libre 32 diseñada para que los usuarios vean sus niveles de glucosa en forma continúa. Adicionalmente, el usuario puede consultar el historial de glucosa y evaluar las tendencias que han tenido sus niveles.

Desde la farmacéutica intentan demostrar que no es necesario renunciar a la calidad o exactitud de la lectura solo porque el precio del producto es asequible. “Por eso construimos nuestra familia de productos FreeStyle Libre para ofrecer resultados inigualables a un coste menor que cualquier otro MCG disponible”, señala la farmacéutica en un comunicado.

También puede leer: ¿Tambalea el modelo de atención primaria en salud?

El sensor más práctico

Específicamente, con una duración de 14 días, el sistema FreeStyle Libre 3 incluye el sensor de MCG autoaplicable más duradero disponible en el mercado, es preciso mencionar, que el sensor es además fácil de colocar en la parte posterior del brazo con ayuda de un aplicador, lo que supone que el paciente ya no debe pincharse los dedos para tener una lectura de sus niveles de glucosa exactos.

Finalmente, el dispositivo representa una ayuda para el medio ambiente ya que reduce 41% el uso del plástico y 43% el uso del papel cartón para el nuevo diseño. El dato más importante es sin duda que el uso de este dispositivo acompañado con sus sistema disminuye las admisiones hospitalarias relacionadas con la diabetes, además de reducir las tasas de ausencia laboral de los pacientes que han empezado a usarlo.

Continuar leyendo

Innovación

Latinoamércia

Productos destacados

Tendencias

Indicadores / Cifras