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 escisión más precisa de los tumores.
La resección electroquirúrgica utilizando dispositivos como un cuchillo eléctrico o una cuchilla de diatermia es actualmente una técnica ampliamente utilizada en neurocirugía. Cuando se quema tejido, las moléculas de tejido se dispersan en forma de humo quirúrgico. En el método desarrollado por investigadores de la Universidad de Tampere, elEl humo quirúrgico se introduce en un nuevo tipo de sistema de medición que puede identificar el tejido maligno y distinguirlo del tejido sano.
Recientemente se publicó un artículo sobre el uso de humo quirúrgico para identificar tumores cerebrales Revista de neurocirugía .
"En la práctica clínica actual, el análisis de la sección congelada es el estándar de oro para la identificación intraoperatoria de tumores. En ese método, se administra una pequeña muestra del tumor a un patólogo durante la cirugía", dice el investigador 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 quirófanos neuroquirúrgicos", señala Haapala.
La tecnología se basa en la espectrometría de movilidad diferencial DMS, en la que los iones de gases de combustión se alimentan a un campo eléctrico. La distribución de iones en el campo eléctrico es específica del tejido, y el tejido puede identificarse en función del resultado"huella de olor"
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 el gas de combustión con tecnología DMS, y un cuchillo eléctrico, que se utiliza para producir el gas de combustión de los tejidos.
La precisión de clasificación del sistema fue del 83% cuando se analizaron todas las muestras. La precisión mejoró en entornos más restringidos. Al comparar tumores de baja malignidad gliomas con muestras de control, la precisión de clasificación del sistema fue del 94%, llegando al 97%sensibilidad y 90% de especificidad.
Fuente de la historia :
Materiales proporcionado por Universidad de Tampere . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :