Autora: Desirée Yaguare/ Centro Nacional de Teledetección (CENATEL).FIIIDT.
La transdisciplinariedad de la geomática posibilita su aplicación en diversos campos como la topografía y cartografía, teledetección, fotogrametría, geodesia, sistemas de información geográfica (SIG) y sistemas de posicionamiento global (GNSS), estas disciplinas, a su vez, se extienden a una amplia variedad de campos y tecnologías, incluyendo geometría digital, procesamiento digital de imágenes, realidad virtual, sistemas de gestión de bases de datos, estadísticas espacio temporales, inteligencia artificial, tecnologías de internet, entre otros.
De hecho la geografía, y su estrecha relación con el análisis espacio temporal ha facilitado su aplicación en diversos temas sanitarios, a través de la incursión de la geomática en los desarrollos biotecnológicos orientados a la optimización de diagnósticos en diversas patologías.
Es así como la geomática permite en la medicina el análisis, representación, visualización y modelización de imágenes y datos para generar información de alta precisión en diagnósticos y supervisión de la evolución de determinadas patologías; ayudar a prevenir y detectar con antelación enfermedades, así como planificar los servicios de atención médica.
Ejemplos abundan en todo el planeta, desde la prevención y control de enfermedades por medio de la geolocalización, hasta el avance más reciente en neurocirugía, con la incursión de análisis de imágenes hiperespectrales para la detección de tumores y otras patologías.
El último avance presentado, destaca la implementación de imágenes hiperespectrales de clasificación interoperatoria de tumores cerebrales mediante modelos inmersivos 3D, un proyecto que está en pleno desarrollo en la ciudad de Madrid, España, desde 2018 hasta la fecha, aunque por la pandemia de COVID-19 han presentado algunos rezagos en las publicaciones de datos desde abril, sin embargo la innovación que representa esta investigación ha dado un nuevo enfoque a las aplicaciones geomáticas en el desarrollo tecnológico en medicina avanzada, el denominado proyecto Nemesis-3D-CM, cuyo objetivo principal es:
“Construir un sistema de diagnóstico intraoperatorio en 3D que combine imágenes hiperespectrales, imágenes de resonancia magnética e imágenes de ultrasonido para idear futuros sistemas de neuronavegación” (Nemesis, 2020).
El mismo pretende combinar la información generada por los sistemas de resonancia magnética y ecografía intraoperatoria con las imágenes hiperespectrales obtenidos en el quirófano mediante una matriz de cámaras. Con ello, contribuir a desarrollar el primer sistema en 3D basado en la fusión de imágenes hiperespectrales e imágenes de resonancia magnética. Se pretende mejorar los sistemas de neuronavegación actual, proporcionando a los neurocirujanos un modelo 3D inmersivo que ayudará a navegar virtualmente en tiempo real por el cerebro y a decidir sobre la tarea crítica de delimitar tumores cerebrales, malformaciones vasculares cerebrales o localización de patologías cavernosas.
Este proyecto crea una sinergia entre la geomática y la neurocirugía combinando la investigación tecnológica en procesamiento de imágenes hiperespectrales, sistemas informáticos de alto rendimiento y técnicas propias de la práctica médica, permitiendo hacer un diagnóstico en tiempo real durante las intervenciones quirúrgicas de los tumores cerebrales al proporcionar a los neurocirujanos información adicional que les permite aumentar la precisión en la toma de decisiones críticas durante el procedimiento de resección del tumor.
Actualmente el proyecto ha realizado el primer prototipo funcional presentado en enero del presente año, y cuenta con dos cámaras hiperespectrales que permiten a los investigadores tomar imágenes sobre pacientes cuyo cerebro ha quedado expuesto para ser operado, una vez realizado este proceso y después de la intervención quirúrgica, los neurocirujanos indican que píxeles corresponden a tejido sano, canceroso, sangre, o cualquier otro material, a esta técnica de etiquetado le denominan verdad terrena y son utilizados para entrenar modelos de Machine Learning, permitiendo realizar clasificaciones sobre los píxeles de nuevas imágenes de pacientes. Actualmente se sigue trabajando en la adquisición de más imágenes, de manera que se pueda acceder a una base de datos robusta con la que poder entrenar modelos. Cuanto mayor sea esta base de datos, más precisos serán los modelos y mejores serán las clasificaciones de los tejidos; aumentando así la fiabilidad de la información facilitada, en tiempo real, a los neurocirujanos (Martín, A. 2020).
Las imágenes presentadas en la figura 1 describen la fotografía RGB del cerebro de un paciente capturada con un teléfono móvil durante la operación. Debajo se ve la imagen hiperespectral, del mismo paciente, tomada con la cámara hiperespectral y representada en escala de grises. Por último, se ve una visualización de la imagen verdad terreno con los píxeles etiquetados por los neurocirujanos, usada para entrenar los modelos de Machine Learning. En verde se ve el tejido sano, en rojo el tejido con cáncer, en azul sangre venosa y en magenta dura madre.
El análisis de estos estudios es posible gracias a la vinculación de diversos profesionales y disciplinas de las geociencias y de la salud, este proyecto se encuentra en actual desarrollo y aunque los avances se han ralentizado producto de la Covid-19, aún se encuentra ejecución pues se combina imágenes hiperespectrales, imágenes de resonancia magnética e imágenes por ultrasonidos, siendo el primer sistema de este tipo para ayudar a neurocirujanos a navegar y en tiempo real obtener información del cerebro, ayudándoles a tomar decisiones más oportunas en cuanto a las diferentes patologías neurológicas y ponderando la importancia de la geomática y su aprendizaje en el presente y los avances futuros.
Referencias
Martín, A (2020) Imágenes hiperespectrales para detectar cáncer de manera no invasiva [Artículo en línea] Disponible en: https://www.masscience.com/2020/07/13/imagenes-hiperespectrales-para-detectar-cancer-de-manera-no-invasiva/ (Consulta, agosto 2020)
Nemesis3D-CM (2018) CLASIFICACIÓN INTRAOPERATORIA DE TUMORES CEREBRALES MEDIANTE MODELOS INMERSIVOS 3D EN LA COMUNIDAD DE MADRID.ID Proyecto: Y2018/BIO-4826, financiado por la Comunidad de Madrid a través del programa de proyectos sinérgicos de I+D. Disponible en: http://nemesis3d.citsem.upm.es/inicio/
Contacto: dyaguare@fii.gob.ve desireeyaguare@gmail.com