ESTUDIO PILOTO PARA EVALUAR LA EFICACIA DE HTVET BIOLMAGING PARA LA DETECCIÓN PRECOZ DE DE MALIGNIDAD EN TUMORES CUTÁNEOS Y SUBCUTÁNEOS EN EL PERRO.

Tipo:
Comunicaciones Libres
Presentación:
ORAL
Área temática:
DERMATOLOGÍA (GEDA)
Instituciones:
(1) Centre Veterinari Mivet Gran Via. Barcelona
(2) Hospital Veterinario Mivet Faycan. Catarroja
(3) Hospital Veterinario Mivet La Fortuna. Madrid
(4) Hospital Veterinario Mivet Mon Can, Madrid
Autores:
Eduard Saló Mur (1)
Antonio Pau López (2)
Verónica Fernández Brito (3)
Susana García Pérez De Ayala (4)
Objetivos del trabajo:
Objetivos:

Uno de los axiomas aplicable tanto a medicina humana como veterinaria es que el diagnóstico precoz es la mejor arma contra el cáncer. Ese diagnóstico permite planificar el tratamiento y mejorar el pronóstico.


El actual abordaje diagnóstico de los tumores y masas cutáneas y subcutáneas se realiza utilizando aspiración con aguja fina para su examen citológico o bien mediante el examen histopatológico. (1)(2)

HTVet es un nuevo dispositivo médico desarrollado en Israel que, al transferir una onda de calor enfocada al tejido y después analizar la difusividad térmica, nos permite predecir la malignidad basándose en las diferentes propiedades térmicas del tumor y del tejido sano.

El estudio, el primero efectuado en Europa, fue diseñado para validar la capacidad de HTVet para diagnosticar y diferenciar masas cutáneas y subcutáneas benignas y malignas en perros.

Material y métodos:

Introducción. Material y Métodos:

La tecnología de HTVet se basa en el hecho de que los tejidos normales y malignos muestran diferentes tasas de transferencia de calor. (3)

Los cambios en los tejidos, su metabolismo y el flujo sanguíneo pueden afectar la transferencia de calor.

Se ha demostrado que el tejido tumoral establecido presenta un aumento de temperatura de un grado Celsius en comparación del tejido sano vecino. Este cambio se debe a los rápidos procesos de crecimiento y neovascularización. (3)(4).

Por tanto, podemos decir que la medida de esta termografía activa y sus variaciones podrían resultar útiles para el diagnóstico precoz de estos tipos de cáncer.

El sistema HTVet produce y registra la transferencia de una onda de calor focalizada en la masa, comparada con otra focalizada en otro lugar no afectado. Se analiza la difusividad térmica y realiza una predicción de malignidad basada en las propiedades térmicas únicas de los tejidos.

El corazón de la tecnología de HTVet se encuentra la imagen de difusión de calor (HDI), un algoritmo basado en inteligencia artificial que reconoce las células cancerosas por sus propiedades dinámicas únicas de flujo de calor. (5)(6).

El HTVet utiliza una cámara térmica infrarroja de onda larga y realiza una medición continua de la temperatura del tejido a medida que se calienta y se deja enfriar, luego produce una señal térmica única.

El sistema compara las señales producidas por el tejido analizado y la piel sana adyacente y utiliza algoritmos de análisis de señales de inteligencia artificial para proporcionar una predicción de malignidad, basándose en las propiedades térmicas únicas de los tejidos.

El estudio se llevó a cabo durante el último semestre de 2021 en cuatro clínicas y hospitales del grupo MIVET en España, localizadas en Barcelona, Madrid y Valencia.

En todos los casos, se analizó la señal térmica capturada y se comparó con resultados citológicos o histopatológicos.

Los criterios de inclusión fueron la aparición de nódulos o tumores cutáneos en perros de cualquier raza, sexo y edad a partir de 6 meses.

Se excluyen perros con enfermedad grave o en mal estado general, tumores mamarios, nódulos linfáticos, tumores localizados en la cabeza, tumores de gran extensión o ulcerados, sangrantes o infectados.

Se incluyen un total de 70 casos de perros de diferentes sexos y razas. (37 en Barcelona,20 en Valencia y 13 en Madrid). En algunos animales fueron realizados dos o tres mediciones por presentar diferentes tipos de lesiones.

Todos los exámenes citológicos e histopatológicos se centralizaron en un mismo laboratorio (Seaslab), para unificar criterios.

La zona para evaluar se rasura, evitando lesionar la epidermis y se efectúa la medición con HTVet, en la zona sospechosa comparándola con otra vecina exenta de lesión.

Los resultados obtenidos en el estudio se utilizaron, al mismo tiempo, para entrenar y perfeccionar el algoritmo del sistema.

Resultados:

Resultados.

Los resultados obtenidos por HTVet se miden en una escala entre 1 y 10. Siendo de 1 a 4 mediciones sugestivas de malignidad, recomendando en estos casos más investigaciones. Las mediciones de 5 a 10 son sugestivas de benignidad.

Los resultados obtenidos por citología o histología (57 casos benignos y 13 casos malignos) y su comparación con la medición de HTVet se resumen en la siguiente tabla:

MEDICIÓN HTVet

MALIGNO

(med de 1 a 4)

MEDICIÓN HTVet

BENIGNO

(med de 5 a 10)

Total

Resultados Citología /Histología

(Seaslab)

MALIGNO

POSITIVO

9   

FALSO NEGATIVO

4

13 malignos

Resultados Citología /Histología

(Seaslab)

BENIGNO

FALSO POSITIVO

18

NEGATIVO

39

57 benignos.

Total

27

43

70

Las masas cutáneas se naturaleza benigna fueron lipomas y quistes glandulares y foliculares.

Como tumoraciones malignas se diagnosticaron 5 casos de mastocitoma de diferentes grados, 3 carcinomas, 2 sarcomas, 1 hemangiopericitoma,1 hemangiosarcoma y 1 liposarcoma.
Los resultados y porcentajes encontrados se especifican en la tabla adjunta. Siendo un 55,7% con resultado negativo (tumores benignos), un 12,8% con resultado positivo (tumores malignos), un 25,7% como falsos positivos y  un 5,7% como falsos negativos. 

Discusión y conclusiones:

Discusión. Conclusiones

Durante el presente estudio no se reportaron reacciones adversas en el uso de la máquina.

HTVet se mostró como una herramienta de uso fácil, rápido e indoloro.

HTVet permite una detección simple, no invasiva y en tiempo real de masas cutáneas y subcutáneas sospechosas de malignidad, proporcionando resultados en minutos.

Los resultados muestran un considerable índice de fiabilidad en un cribado inicial para separar las neoplasias malignas de las benignas en los tumores y masas cutáneas y subcutáneas en perros.

Muchos considerados en el estudio como falsos positivos, probablemente se debieron al efecto irritativo del rasurado, por inflamación o infección previa.

Algunos de los falsos negativos podrían ser resultado de datos insuficientes sobre tumores malignos en etapa tardía para el entrenamiento del algoritmo, ya que podrían presentar propiedades térmicas diferentes a aquellas en las que se entrenó. Se espera que gracias al ingreso de más casos se capacite mejor al algoritmo, evitando estos errores.

Los investigadores comprobaron una mayor fiabilidad de los resultados con el tiempo a medida que mejoraba el algoritmo.

HTVet se considera una nueva herramienta que puede llegar a ser útil para un rápido screeening de tumoraciones cutáneas y subcutáneas en el perro.

La futura adaptación de la tecnología y el algoritmo a otros tipos de tumores como los tumores mamarios (donde el valor predictivo de la citología puede ser menor), localizaciones (región facial) y a otras especies, puede suponer pronto un gran avance para la sociedad en el diagnóstico oncológico. 

Los autores no tienen ningún conflicto de intereses en la presente comunicación.

Bibliografía:

Bibliografía.

1.Ghisleni G, Roccabianca R, Ceruti D et al. Correlation between fine-needle aspiration

cytology and histopathology in the evaluation of cutaneous and subcutaneous masses from

dogs and cats. Veterinary Clinical Pathology 2006; 35:24-30.

2.Simeonov RS. The accuracy of Fine-Needle Aspiration Cytology in the Diagnosis of Canine

Skin and Subcutaneous Masses. Comparative Clinical Pathology. 2010.

3.Pennes HH. Analysis of tissue and arterial blood temperatures in the resting human

forearm. Journal of Applied Physiology 1998; (85):5-34.

4.Stefanadis C. Temperature differences are associated with malignancy on lung lesions: a

clinical study. BMC Cancer; 2003 (3).

5.Ezanno P, Picault S, Beaunée G, et al. Research perspectives on animal health in the era of

artificial intelligence. Veterinary Research 2021; 52:40.

6.Sebastian R, Vahid M. LOOCV for Evaluating Machine Learning Algorithms in Python

Machine Learning: Machine Learning with Python, scikit-learn, and TensorFlow2 3rd ed.

Birmingham, United Kingdom, Packt Publishing Limited, 2019.