Desarrollada en la Universidad de Tampere, en Finlandia, facilitará a los neurocirujanos identificar el tejido canceroso durante una cirugía
Una nariz artificial desarrollada en la Universidad de Tampere, Finlandia, ayuda a los neurocirujanos a identificar el tejido canceroso durante la cirugía y permite la extirpación más precisa de los tumores.
La resección electroquirúrgica que utiliza dispositivos como un cuchillo eléctrico o una cuchilla de diatermia es actualmente una técnica ampliamente utilizada en neurocirugía. Cuando el tejido se quema, las moléculas de tejido se dispersan en forma de humo quirúrgico. En el método desarrollado por investigadores de la Universidad de Tampere, el humo quirúrgico se alimenta por un nuevo tipo de sistema de medición que puede identificar el tejido maligno y distinguirlo del tejido sano.Un artículo sobre el uso de instrumentos quirúrgicos para identificar tumores cerebrales se publicó recientemente en el Journal of Neurosurgery.
“En la práctica clínica actual, el análisis de la sección congelada es el estándar de oro para la identificación de tumores intraoperatorios. En ese método, se administra una pequeña muestra del tumor a un patólogo durante la cirugía “, dice la investigadora Ilkka Haapala de la Universidad de Tampere.
El patólogo realiza un análisis microscópico de la muestra y llama al quirófano para informar los resultados.
“Nuestro nuevo método ofrece una forma prometedora de identificar tejido maligno en tiempo real y la capacidad de estudiar varias muestras de diferentes puntos del tumor”, explica Haapala.
“La ventaja específica del equipo es que se puede conectar a la instrumentación ya presente en los quirófanos de neurocirugía”, señala Haapala.
La tecnología se basa en la espectrometría de movilidad diferencial (DMS), donde los iones de gases de combustión alimentan a un campo eléctrico.
La distribución de iones en el campo eléctrico es específica del tejido, y el tejido se puede identificar sobre la base de la “huella digital del olor” resultante.
El estudio analizó 694 muestras de tejido recolectadas de 28 tumores cerebrales y muestras de control.
El equipo utilizado fue desarrollado específicamente para el estudio.
Consiste en un sistema de aprendizaje automático, que analiza los gases de combustión con tecnología DMS, y un cuchillo eléctrico, que se utiliza para producir los gases de combustión de los tejidos.
La precisión de la clasificación del sistema fue del 83% cuando se analizaron todas las muestras. La precisión mejoró en ajustes más restringidos. Al comparar los tumores con baja malignidad (gliomas) con las muestras de control, la precisión de la clasificación del sistema fue del 94%, alcanzando una sensibilidad del 97% y una especificidad del 90%.
