Canarias lidera el Proyecto HELICoiD en la cirugía del tumor cerebral

El Hospital Universitario de Gran Canaria Dr. Negrín, adscrito a la Consejería de Sanidad del Gobierno de Canarias, acoge esta semana a los socios, revisores y representantes de la Comunidad Europea para la revisión final del proyecto de colaboración europeo HELICoiD, cuyo objetivo es la utilización de imágenes hiperespectrales para la identificación en tiempo real de los márgenes del tumor cerebral durante la cirugía, lo que ayuda al cirujano a extraer el tumor y respetar la mayor cantidad de tejido sano posible.

El proyecto de investigación HELICoiD (www.helicoid.eu) es un proyecto de colaboración europeo financiado por la Agencia Ejecutiva de Investigación, a través del programa de Tecnologías Futuras y Emergentes, en el marco del 7º Programa Marco de la Unión Europea. Coordinado por la Universidad de Las Palmas de Gran Canaria (ULPGC), es una colaboración entre cuatro universidades, ULPGC, Imperial College of Science, Technology and Medicine of London, Universidad Politécnica de Madrid, Association pour la Recherche et le Developpement des Methodes et Processus Industriels de Paris – Armines; tres socios industriales, Medtronic Iberica, General Equipment for Medical Imaging, y Virtual Angle; y dos hospitales, el Hospital Universitario de Gran Canaria Dr. Negrín –a través de la Fundación Canaria de Investigación y Salud- y el University Hospital of Southampton NHS Foundation Trust.

El proyecto HELICoiD tiene como objetivo principal generar un demostrador no invasivo capaz de discriminar entre tejido sano y tumoral en tiempo real durante intervenciones de neurocirugía usando para ello imágenes hiperespectrales. Dado que el cáncer implica un cambio en la fisiología celular, éste es detectado como un cambio en la firma hiperespectral del tejido.

Durante el desarrollo del proyecto HELICoiD, se ha fabricado un sistema experimental intraoperatorio, el cual permite a los neurocirujanos confirmar en tiempo real la resección completa del tejido tumoral, evitando la resección excesiva del tejido sano adyacente y evitando indeterminaciones debidas al desplazamiento de masa cerebral.

Extracción quirúrgica más precisa

En el año 2012 hubo aproximadamente 14 millones de casos de cáncer en todo el mundo y este número se espera que aumente a 21,6 millones en 2030. El cáncer de pulmón es el más frecuente (12,7 %), seguido por el cáncer de mama (10,9 %), el colorrectal (9.8 %), el gástrico (7,8 %) y el cáncer de próstata (7,1 %). El cáncer representa un gran problema clínico que puede ser mejorado si las imágenes hiperespectrales permiten diferenciar entre tejidos sanos y enfermos, y conseguir así una extracción quirúrgica más precisa.

A diferencia de otros tumores, los tumores cerebrales se infiltran en el tejido que lo rodea y, por lo tanto, sus límites son difusos y difíciles de identificar. El tejido cerebral circundante es crítico y no hay redundancia, como ocurre en muchos otros órganos, en los que es normal extirpar el tumor junto con un amplio margen circundante de tejido sano. Esto no es posible en el cerebro, donde se hace esencial identificar con precisión la frontera entre el tejido normal y el tejido enfermo. El proyecto HELICoiD aplica técnicas avanzadas de clasificación de imágenes hiperespectrales a este tipo de tumores.

Las imágenes hiperespectrales son un tipo de imágenes digitales tomadas por sensores capaces de captar información en diferentes rangos de longitudes de onda dentro del espectro electromagnético, típicamente entre el ultravioleta (UV) y el infrarrojo cercado (NIR). A diferencia de una imagen digital tradicional (imagen RGB), que únicamente capta tres longitudes de onda (rojo [700nm], verde [546nm] y azul [435nm]), cada píxel de una imagen hiperespectral se corresponde con un vector de tantas componentes como rangos de longitudes de onda sea capaz de captar el sensor, típicamente varios cientos de componentes, asociadas cada una a una longitud de onda concreta de la imagen hiperespectral.

Como resultado, la imagen se captura como un cubo de datos (cubo hiperespectral), donde además de las dos dimensiones espaciales se le suma una tercera dimensión espectral. Una de las principales características de las imágenes hiperespectrales es que la información obtenida por el sensor hiperespectral para cada píxel de la imagen se corresponde con la firma espectral del conjunto de sustancias o materiales que componen dicho píxel, es decir, la cantidad de radiación electromagnética que reflejan o absorben en las diferentes longitudes de onda. A partir de esta información es posible identificar las distintas sustancias presentes en la imagen.

Gran cantidad de información.

El enorme potencial de las imágenes hiperespectrales reside en la gran cantidad de información que contienen, que permite distinguir entre materiales y objetos de manera detallada y no invasiva. Sin embargo, el análisis hiperespectral es un proceso sumamente complejo que requiere algoritmos de gran coste computacional. La aplicación práctica del análisis hiperespectral requiere de la optimización de los algoritmos a la hora de ser implementados en una plataforma de procesado. Es por este alto coste computacional por lo que se requiere el uso de plataformas de procesado de alto rendimiento que permitan un paralelizado masivo de los algoritmos, para conseguir así reducir sus tiempos de ejecución.

Los resultados de este proyecto de investigación suponen un importante avance en la asistencia intraoperatoria para la resección de tumores cerebrales en tiempo real. Adicionalmente, este proyecto supone un gran avance en el todavía emergente campo de la medicina hiperespectral. Si bien se ha comenzado con los tumores cerebrales por ser uno de los problemas más complejos a resolver, se espera en breve poder extrapolar esta técnica a otros tipos de tumores e incluso a otros tipos de patologías.

Dado que es la ULPGC quien ha impulsado la formación del consorcio y es quien actualmente lo coordina, esto supone un importante impulso en la investigación y la industria del sector de la bioingeniería médica en Canarias, resultando ello de especial interés para los pacientes canarios, que se podrían beneficiar de esta tecnología en primicia en el futuro a través de uno de los principales socios del proyecto, el Hospital Universitario de Gran Canaria Doctor Negrín.