Microscopía de interferencia espacial de luz predice riesgo de recurrencia del cáncer de próstata
Por el equipo editorial de LabMedica en español
Actualizado el 09 Jun 2015
Un novedoso método de microscopía que combina la microscopía de contraste de fase con la holografía, permite la predicción de la probabilidad de recurrencia del cáncer de próstata antes de la biopsia o la cirugía.Actualizado el 09 Jun 2015
El método se llama microscopía de interferencia espacial de la luz o SLIM. La SLIM utiliza un microscopio de contraste de fase comercial y de iluminación de luz blanca, con lo que se logra una sensibilidad en la escala de nanómetros a los cambios de longitud del paso óptico. En esencia, SLIM combina la microscopía de contraste de fase con la holografía.
Imagen: Izquierda: Imagen de la fase cuantitativa de una muestra de prostatectomía sin colorear de un paciente que tuvo una recidiva bioquímica del cáncer de próstata. Derecha: Un acercamiento en la región de la imagen de fase cuantitativa que muestra una glándula cancerosa con desechos en el lumen. El estroma, o el entorno del tejido de apoyo, muestra discontinuidades en la longitud de las fibras y la desorganización en la orientación de las fibras (Fotografía cortesía de la Universidad de Illinois).
Investigadores de la Universidad de Illinois (Urbana, EUA) han introducido un nuevo instrumento para la imagenología SLIM. Su técnica rápida, en tiempo real, SLIM, podía tomar imágenes a una velocidad máxima de 50 marcos por segundo y proporcionar imágenes en fase cuantitativa, en tiempo real, a 12,5 marcos por segundo. Los investigadores fueron capaces de lograr este ritmo rápido combinando la LCPM rápida (modulación de código de pulso lineal) y una cámara sCMOS rápida. Además, desarrollaron el software para realizar la reconstrucción de fase y mostrar las imágenes de fase cuantitativa en tiempo real.
En el estudio actual, los investigadores utilizaron la técnica SLIM para examinar 181 muestras de tejidos obtenidas del Recurso de Tejido Prostático Cooperativo, patrocinado por el Instituto Nacional de Cáncer de los EUA (CPCTR). Las muestras fueron tomadas de personas a quienes les habían practicado una prostatectomía, aproximadamente la mitad sin recurrencia y la mitad que sí hizo recurrencia.
El instrumento fue programado para escanear portaobjetos de microscopio que contenían 320-360 núcleos individuales. La imagen SLIM resultante contenía abundante información sobre la morfología del tejido, con una resolución clara de las estructuras del epitelio glandular y del estroma. Esto les permitió a los investigadores interrogar los cambios de dispersión específicos al estroma de la próstata.
Los resultados sugieren que la SLIM mostró promesa en ayudarles a los patólogos a mejorar la predicción de recurrencia del cáncer de próstata. Los datos revelaron que un menor valor de anisotropía correspondió a un mayor riesgo de recurrencia, lo que significa que el estroma adyacente a las glándulas de pacientes recurrentes era más fraccionado que en los pacientes no recurrentes. La anisotropía es la propiedad de ser direccionalmente dependiente, en oposición a la isotropía, que implica propiedades idénticas en todas las direcciones. Se puede definir como una diferencia, cuando se mide a lo largo de diferentes ejes, en las propiedades físicas o mecánicas de un material.
“Por cada 20 procedimientos de cirugía para extraer la próstata, se estima que sólo una vida se salva”, dijo el autor principal, el Dr. Gabriel Popescu, profesor asociado de ingeniería eléctrica e informática en la Universidad de Illinois. “Para las otras 19 personas, sería mejor que no les hicieran nada, ya que con la eliminación de la próstata, la calidad de vida desciende drásticamente. Así que si has tenido una herramienta que podría decir que el paciente en realidad tendrá más probabilidades de tener un mal resultado, entonces se podría tratar más agresivamente ese caso”.
“En lo que la SLIM es muy buena en es hacer que los objetos invisibles se vuelvan visible con la sensibilidad a nanoescala”, dijo el Dr. Popescu. “Así que observamos estos detalles estructurales sin necesidad de colorear, lo que puede introducir nuevas variables en la muestra. Nuestro sueño es que todos tengan las capacidades SLIM en sus laboratorios. Uno puede imaginar que un generador de imágenes de tejidos a base de SLIM escaneará biopsias en una clínica y, junto con el software que es lo suficientemente inteligente como para buscar estos marcadores específicos, le proporcionará al patólogo con información valiosa nueva. Esta información adicional se traducirá en un diagnóstico más exacto y mejor pronóstico”.
El artículo que describe el uso de la SLIM para predecir la recurrencia del cáncer de próstata fue publicado en la edición digital del 15 de mayo 2015, de la revista Scientific Reports.
Enlace relacionado:
University of Illinois