Cápsula Mejorada por IA para la Detección Mínimamente Invasiva de Tejido Intestinal Anormal

Área de la Ciencia:

• Ingeniería Biomédica
• Inteligencia Artificial
• Gastroenterología

Sus antecedentes:

• El cáncer colorrectal (CRC) es una causa principal de mortalidad por cáncer, siendo la detección temprana crucial para el pronóstico.
• Los métodos de diagnóstico convencionales como la colonoscopia y la endoscopia cápsula se basan en la inspección visual y pasan por alto anomalías subsuperficiales.
• Existe la necesidad de herramientas de diagnóstico avanzadas capaces de detectar cambios biomecánicos indicativos de CRC en etapa temprana.

Objetivo del estudio:

• Desarrollar y evaluar una cápsula mejorada por IA y asistida por vibración para la detección biomecánica in situ de tejidos intestinales.
• Evaluar la capacidad de la cápsula para diferenciar entre tejidos de colon normales y anormales basándose en propiedades mecánicas.
• Establecer una modalidad mínimamente invasiva impulsada por IA para la detección no visual de CRC.

Principales métodos:

• Se diseñó una cápsula tragable que integra un motor de vibración, un acelerómetro y comunicación inalámbrica.
• La cápsula induce oscilaciones del tejido y las respuestas de aceleración se analizan en tiempo real.
• Se entrenó una máquina de soporte vectorial (SVM) de una clase con datos de tejido normal para clasificar tejidos anormales.
• Se utilizó modelado dinámico para correlacionar la rigidez de la lesión con los resultados de la clasificación.

Principales resultados:

• Las señales inducidas por vibración capturaron contrastes mecánicos reproducibles entre tejidos de colon normales y anormales.
• La clasificación basada en IA identificó con precisión tejidos anormales basándose en variaciones de rigidez.
• Los experimentos en modelos ex vivo y in vitro validaron las capacidades de detección de la cápsula.

Conclusiones:

• La cápsula asistida por vibración mejorada por IA ofrece un enfoque novedoso y mínimamente invasivo para la detección no visual de CRC.
• Esta tecnología tiene el potencial de complementar los diagnósticos de imagen existentes y mejorar el cribado temprano del cáncer.
• El sistema proporciona un cribado en tiempo real y amigable para el paciente al evaluar la biomecánica del tejido.