Tumores cerebrales. Biomarcadores basados en imágenes
Invitados: Dr. Miguel Martin, Dr. Rafael Martin.
Moderador: CEO Serofca. MsC. Omar Arias
En nuestro espacio aprendiendo + tendremos la oportunidad de conversar una vez más con los Drs. Miguel Martin y Rafael Martin sobre Tumores cerebrales. Biomarcadores basados en imágenes.
El DR. Miguel Martin abre una presentación para comenzar y expresa: “vamos a parametrizar el crecimiento tumoral y eso básicamente lo que vamos a usar como marcadores de imagen van a ser más que nada propiedades morfológicas que tiene el tumor cerebral, en principio nos vamos a interesar más en la interfaz , tenemos un corte para mostrar el interior del tumor y una frontera bastante complicada, bastante compleja, cuando uno ve una imagen de un glioblastoma multiforme a veces lo ve muy redondeado con una frontera bien definida, tendería uno a pensar que este modelo que vamos a ver no es el adecuado, vemos las imágenes médicas una resonancia magnética con contraste a escala de los mm en la siguiente figura se ven células a la escala es mucho más pequeña, hay una frontera que tiene una forma de avanzar y va creciendo y tiene una características que pueden analizarse a diferentes escalas y eso lo que significa hacer un análisis por escalamiento, en esa frontera hay un espesor, un ancho que es esta cantidad W, si la analizo a diferentes escalas, sería indicada por el arco s sobre una superficie, sobre la interfaz tumoral, seria una pequeña área, el comportamiento de este ancho sigue una ley matemática, son puntos que tenemos aquí son sacados de la imagen, no es retorico son puntos reales, hay una dependencia en común cuando la escala se hace mas pequeña, y es una ley potencial caracterizado por el parámetro α log que es similar para todos los tumores aunque sean de diferentes tamaños, proviene de diferentes pacientes, estos tumores tienen en común este parámetro, este el tipo de crecimiento se conoce como un crecimiento balístico, la superficie va creciendo de una manera muy completa, las células tumorales se dividen y tienen la capacidad de migrar buscando zonas donde haya mayor cantidad de nutrientes y se mueven hacia la frontera, se dividen y se mueven y el tumor va avanzando. Se trata de las propiedades morfológicas que podemos extraer.”
En el crecimiento balístico el avance de la frontera del tumor ocurre de manera lineal con el tiempo, pero la interfaz se hace más compleja a medida que trascurre el tiempo.
El crecimiento promedio de la frontera crece con el tiempo de manera potencial, caracterizado por el valor de β.
Otro factor que se puede extraer esta asociado a la saturación de la frontera y se conoce como exponente de rugosidad α y otro parámetro es el tiempo en el cambio de régimen z, como se muestra en la siguiente lamina.
El análisis por escalamiento consiste por ejemplo en tomar varios cultivo tumorales del mismo tumor y vemos el crecimiento, para escalas pequeñas de tiempo crecen de igual manara pero saturan a diferentes tiempos, entonces se cambian las escalas de manera que las curvas saturan a la misma altura, o cambiar el eje horizontal de manera que las gráficas coincidan, resulta una función que debe cumplir ciertas condiciones como las que se muestran en la lámina siguiente.
De esta manera podemos conocer α y β, sin embargo para seres humanos no es posible determinar β porque eso implicaría dejar crecer el tumor hasta la saturación.
Lo que se podría extraer es el parámetro α.
El Dr. Miguel Martin muestra un trabajo de su autoría titulado: ”Morphological and fractal properties of brain tumor. Front physiol. 13 878391. 2022.” Donde muestra la relación que hay entre cantidades morfológicas como el exponente de rugosidad tumoral y la dimensión fractal de la interfaz tumoral, se analizaron una gran cantidad de imágenes de tumores cerebrales contenidas en bases de datos, se observa una gran dispersión en las gráficas, sin embargo la suma de la dimensión fractal mas α log coeficiente de rugosidad local para los tumores benignos es alrededor de 2,6 y en los glioblastoma esa suma es aproximada a 3, lo cual demuestra que estos tumores crecen de manera balística.
Para el parámetro de rugosidad también se consigue el mismo resultado para los tumores benignos este valor es menor que uno y para gliobastomas es cercano a uno, lo que indica un alto nivel de rugosidad.
El Dr. Miguel Martin también muestra un trabajo de Julian Perez Beteta el al. Titulado: “Tumor surface regularity at MR imaging predict survival and response to surgery in payients with Glioblastoma. Radiology 2018.” Donde calculan un parámetro de rugosidad asociado a la relación superficie volumen del tumor con el cual pueden predecir la sobrevida del paciente.
Finalmente el Dr. Martin muestra también un análisis fractal y multifractal del tumor, se hace un corte y se análisis la frontera a través de parámetro que ordena la frontera, se obtienen series ordenadas en función del ángulo y se pueden comparar con el crecimiento balístico de la frontera tumoral, el resultado es que se puede diferenciar entre tumores benignos y malignos.
Para observar el conversatorio ingrese al siguiente enlace:
