Al contrario que muchos tumores, dónde su identificación es relativamente sencilla, la detección de tumores cerebrales durante las operaciones quirúrgicas sigue suponiendo un gran reto, sobre todo por su frecuencia y por la agresividad y mal pronóstico de los mismos.
A diferencia de otros tumores, el tumor cerebral se infiltra en el tejido cerebral normal circundante y, por lo tanto, sus bordes son confusos y extremadamente difíciles de identificar a simple vista por el cirujano. El tejido cerebral normal circundante es crítico y no hay redundancia, como en muchos otros órganos, donde el tumor se reseca junto con un amplio bloque circundante de tejido normal para evitar futuras metástasis. Esto no es posible en el cerebro, donde es esencial identificar con precisión los márgenes del tumor para resecar la menor cantidad de tejido sano posible. Por ello, para los cirujanos resulta esencial la visualización, en tiempo real, de la ubicación y los límites del tumor cerebral para su extracción precisa en quirófano.
Las imágenes hiperespectrales permiten la adquisición de un gran número de bandas espectrales en todo el espectro electromagnético (dentro y fuera del rango visual) de la superficie capturada por los sensores. Usando esta información y algoritmos de clasificación personalizados, es posible determinar el material o sustancia que compone cada píxel. Esta tecnología se puede utilizar como una herramienta de orientación durante las resecciones de los tumores cerebrales.
En este sentido, el trabajo realizado permite explotar las características de las imágenes hiperespectrales, desarrollando un demostrador intraoperatorio capaz de realizar una localización precisa de los tumores malignos durante procedimientos quirúrgicos cerebrales. Se consigue una delineación muy precisa de los límites tumorales que mejora los resultados de la cirugía. Como una prueba de concepto, el demostrador desarrollado es capaz de generar mapas temáticos de la superficie cerebral expuesta utilizando información espectral del rango comprendido entre 400 y 1000 nm. Estos mapas temáticos distinguen entre cuatro clases diferentes: tejido normal, tejido tumoral, tejido hipervascularizado (vasos sanguíneos) y elementos del fondo (background). En estos mapas, los límites del tumor pueden ser fácilmente identificados, proporcionando el resultado en menos de 10 segundos cuando se utiliza aceleración en GPUs de gran potencia de cálculo. Este trabajo ha logrado excelentes resultados en la discriminación entre el tumor y el tejido cerebral normal de forma no invasiva, mejorando así los resultados de los procedimientos neuroquirúrgicos.
El resultado es un sistema completo (cámaras, soporte, electrónica, programas, etc.) que permite indicar al neurocirujano en tiempo real la localización de los tumores.