Herramienta de histología 3D en 30 minutos apoya evaluación intraoperatoria de márgenes de glioma
Actualizado el 22 Aug 2026
La cirugía de gliomas depende de distinguir el tumor infiltrativo del tejido cerebral funcional, pero la diseminación microscópica más allá de los márgenes visibles dificulta esto. Las secciones congeladas convencionales proporcionan una guía rápida, pero solo muestrean unos pocos planos bidimensionales y pueden verse afectadas por artefactos y sesgo de muestreo. La histología tridimensional preserva la arquitectura tisular, pero por lo general requiere de horas a días, lo que limita su uso intraoperatorio.
Nuevos hallazgos demuestran un flujo de trabajo de 30 minutos que genera histología 3D profunda para apoyar la evaluación de los márgenes durante la cirugía de gliomas.
Investigadores de la Universidad Fudan han desarrollado ULTRA (aclaramiento ultrarrápido con Raman estimulado e IA), una plataforma que integra aclaramiento tisular rápido, microscopía de dispersión Raman estimulada (SRS) e inteligencia artificial para visualizar especímenes quirúrgicos en volumen sin tinción ni seccionamiento convencionales. El flujo de trabajo comprime el análisis histológico 3D profundo en aproximadamente 30 minutos. Está diseñado para presentar la morfología tisular en un formato similar a hematoxilina y eosina (H&E) que los patólogos pueden interpretar con facilidad.
ULTRA comienza aclarando tejido cerebral fresco o fijado para obtener imágenes volumétricas a escala milimétrica. Luego, la microscopía de SRS, sin marcadores, captura señales vibracionales intrínsecas de los enlaces químicos, mientras que módulos de IA reconstruyen y tiñen virtualmente los datos para generar histología 3D similar a H&E.
La canalización de IA incluye una eliminación de ruido sensible a la profundidad para restaurar las señales a profundidades de imagen crecientes, una red generativa adversaria condicional que infiere un canal de proteínas a partir del canal lipídico para reducir la carga de adquisición, y un modelo de tinción virtual H&E que representa las imágenes resultantes en un formato interpretable.
En un estudio de muestras quirúrgicas de glioma de 17 pacientes, incluidos astrocitoma, oligodendroglioma, glioblastoma, glioma hemisférico difuso infantil y glioma de bajo grado, la plataforma reveló características patológicas 3D continuas como atipia nuclear, cambio microcístico, mitosis anormales, proliferación microvascular y necrosis.
También se utilizaron cerebro de ratón y otros tejidos de órganos para validar el aclaramiento tisular, la profundidad de imagen, la restauración de la señal y la preservación de la arquitectura tisular. Para la evaluación intraoperatoria de los márgenes, aproximadamente 1 mm³ de tejido de glioblastoma podía procesarse en unos 30 minutos.
Un ULTRAscore derivado del análisis de celularidad y una red neuronal convolucional 3D segmentaron los volúmenes en tumor denso, tumor infiltrativo escaso y regiones no tumorales, resaltando la heterogeneidad dependiente de la profundidad en los márgenes. Patólogos independientes que revisaron secciones bidimensionales únicas de los mismos volúmenes pasaron por alto tumor presente en planos adyacentes, con tasas de omisión del 20% y del 23%. En la evaluación comparativa, una red neuronal convolucional 3D superó a un modelo 2D, con un área bajo la curva (AUC) de 0,965 frente a 0,909.
El estudio también mostró la detección de tumor en regiones de edema radiográficamente ambiguas y en áreas que parecían normales en la navegación y negativas en el monitoreo neurofisiológico, lo que sugiere una complementariedad de la imagen intraoperatoria basada en la muestra.
El trabajo, realizado por equipos de la Universidad Fudan, el Hospital Huashan de la Universidad Fudan, el Hospital Zhongshan de la Universidad Fudan, el Instituto de Neurocirugía de Pekín, la Universidad Médica de la Capital y colaboradores, se publica en Cell el 3 de agosto de 2026.
Los autores subrayan límites metodológicos, incluidos la anisotropía de la función de dispersión puntual axial, la velocidad computacional de los modelos basados en difusión, la posible optimización específica para cada tejido y la actual concentración de los sistemas SRS en centros especializados, y señalan que se necesitan grandes ensayos prospectivos antes de poder hacer afirmaciones sobre resultados clínicos o sobre la sustitución de las secciones congeladas.
Enlaces relacionados
Universidad Fudan
