Desarrollada por investigadores australianos, la tecnología combina resonancia magnética y tomografía por emisión de positrones para identificar displasias corticales que antes pasaban desapercibidas.
Un equipo del Murdoch Children’s Research Institute (MCRI) y del Royal Children’s Hospital (RCH) desarrolló una herramienta de artificial intelligence (AI) capaz de detectar diminutas lesiones cerebrales responsables de epilepsia resistente a medicamentos en niños y adultos. El avance, publicado en la revista Epilepsy, promete acelerar el diagnóstico, mejorar la planificación quirúrgica y aumentar las posibilidades de cura en pacientes con displasia cortical focal.
La displasia cortical focal, en particular el subtipo conocido como displasia del fondo del surco (BOSD, en inglés), es una causa común de epilepsia focal grave y de difícil tratamiento. Estas lesiones, a menudo del tamaño de un arándano, suelen pasar inadvertidas en las resonancias magnéticas convencionales: hasta el 60% de los casos no son detectados en la primera exploración.
El nuevo detector de epilepsia por AI, liderado por la neuróloga Emma Macdonald-Laurs, combina información obtenida de imágenes por resonancia magnética (MRI) y tomografía por emisión de positrones con fluorodesoxiglucosa (FDG-PET). A través de redes neuronales entrenadas específicamente para identificar BOSD, el sistema logró localizar las lesiones en hasta el 94% de los casos en el grupo de prueba.
“Identificar la causa de forma temprana nos permite adaptar las opciones de tratamiento y ayuda a los neurocirujanos a planificar y llevar a cabo la cirugía”, indicó Macdonald-Laurs. “Gracias a unas imágenes más precisas, los neurocirujanos pueden desarrollar un plan quirúrgico más seguro para evitar vasos sanguíneos importantes y regiones del cerebro que controlan el habla, el pensamiento y el movimiento, y evitar la extirpación de tejido cerebral sano. Los niños también evitan tener que someterse a pruebas invasivas”, agregó.
Según el estudio, que incluyó a 71 niños del RCH y 23 adultos del Austin Hospital, la incorporación de características metabólicas obtenidas del FDG-PET permitió distinguir con mayor precisión las áreas displásicas del tejido cerebral normal. En la mayoría de los pacientes, más del 80%, las lesiones habían sido previamente pasadas por alto en los exámenes de MRI tradicionales.
De los 17 niños del grupo de prueba, 12 fueron sometidos a cirugía tras la detección de las displasias, y 11 de ellos quedaron libres de crisis epilépticas. Los investigadores destacan que una detección más temprana no solo facilita el tratamiento personalizado, sino que también evita procedimientos invasivos y reduce el riesgo de dañar regiones cerebrales críticas durante la cirugía.
