Histología tumoral intraoperatoria mejora cirugías oncológicas
Actualizado el 21 Jan 2026
La extirpación quirúrgica del cáncer sigue siendo el tratamiento de primera línea para muchos tumores, pero garantizar la extirpación de todo el tejido canceroso preservando el tejido sano es un gran desafío. Actualmente, los cirujanos se basan en imágenes preoperatorias y patología posoperatoria para evaluar los márgenes tumorales, y a menudo solo después de la cirugía se enteran de si quedan células cancerosas. Este retraso suele llevar a reintervenciones, especialmente en procedimientos conservadores de mama, como la tumorectomía. Un nuevo enfoque de imagen permite analizar el tejido extirpado durante la cirugía, lo que permite tomar decisiones inmediatas sobre la necesidad de extirpar más tejido.
Investigadores del Instituto Tecnológico de California (Caltech, Pasadena, CA, EUA), en colaboración con especialistas clínicos en cáncer, han creado un método de imagen llamado microscopía fotoacústica ultravioleta (UV-PAM), combinado con inteligencia artificial (IA), para analizar el tejido extirpado sin congelarlo, fijarlo, cortarlo ni aplicarle tinción química. El sistema está diseñado para ajustarse a plazos intraoperatorios estrictos, lo que permite una evaluación rápida antes del cierre de la incisión quirúrgica.
La UV-PAM funciona iluminando el tejido recién extirpado con un láser ultravioleta de baja energía, ajustado al pico de absorción de los ácidos nucleicos del ADN y el ARN. Los núcleos celulares absorben la luz con mayor intensidad que el tejido circundante, creando un contraste natural sin colorantes. La energía absorbida genera ondas ultrasónicas que se capturan para formar imágenes con resolución subcelular, mientras que algoritmos de IA transforman los datos en imágenes que se asemejan mucho a las preparaciones patológicas estándar con hematoxilina y eosina (H&E).
La técnica produce imágenes con una resolución de 200 a 300 nanómetros y permite analizar grandes áreas de tejido en cuestión de minutos. Los modelos de aprendizaje profundo, entrenados con amplios conjuntos de datos histológicos, comparan las imágenes con patrones tisulares conocidos y ofrecen una guía diagnóstica rápida. Los resultados, publicados en Science Advances, demuestran que la UV-PAM puede distinguir el tejido canceroso del sano en múltiples tipos de tejido, como el de mama, el hueso, la piel y otros órganos.
Al eliminar la laboriosa preparación de muestras y reducir la dependencia de la interpretación subjetiva, el método podría reducir significativamente las reintervenciones quirúrgicas causadas por márgenes poco claros. Su rendimiento, independiente del tejido, sugiere una amplia aplicabilidad en diversos tipos de cáncer. El equipo de investigación continúa con los estudios de validación y trabaja en el desarrollo de un sistema comercial apto para su uso rutinario en quirófanos.
"Estamos seguros de que podemos obtener imágenes de todo en 10 minutos, o incluso 5 minutos o menos, lo suficientemente rápido como para guiar las decisiones antes de que el cirujano cierre la incisión, y podemos proporcionar muchos más datos de los que cualquier patólogo podría analizar", afirmó el Dr. Lihong Wang, autor principal del estudio. "Es importante destacar que, hasta el momento, la técnica parece ser "agnóstica a los tejidos", lo que significa que funciona igual de bien en tejidos mamarios, óseos, cutáneos y orgánicos. Aún estamos en fase de pruebas con esta tecnología, pero esperamos avanzar hacia un producto comercial de uso generalizado".
Enlaces relacionados:
Caltech
