Avanços na Navegação em Cirurgia de Tecidos Moles

Mudança de tecido, também conhecida como deslocamento de tecido, acontece durante cirurgias de tecidos moles quando o tecido muda de forma devido a lesões e perda de tensão. Essa mudança pode deslocar marcos importantes no corpo, o que dificulta a orientação dos cirurgiões durante a operação. Embora esse problema seja muito discutido na neurocirurgia, ele também é super importante em cirurgias de cabeça e pescoço, onde várias estruturas cruciais estão juntas em uma área pequena.

Atualmente, ferramentas de navegação podem ajudar os cirurgiões a localizar estruturas ósseas duras, como aquelas encontradas em cirurgias de seios. Porém, não existem sistemas projetados para rastrear tecidos moles sem usar marcadores. Esse é um grande problema nas cirurgias de cabeça e pescoço que envolvem a remoção de tumores de tecido mole, já que o deslocamento do tecido pode complicar mais o processo de remoção.

O objetivo de estudos recentes é criar um novo tipo de sistema de navegação que não dependa de marcadores, mas sim use inteligência artificial (IA) para medir e prever a mudança de tecido. Esse sistema ajudaria os cirurgiões tanto na remoção de tumores quanto na gestão de procedimentos de seção congelada, onde avaliações rápidas do tecido removido são necessárias. Uma melhor orientação durante a cirurgia poderia levar a remoções de tumores mais bem-sucedidas. Além disso, a detecção precisa da área de re-reseção após uma análise de seção congelada aumentaria a segurança do paciente.

#Importância de Medir a Mudança de Tecido

Medir como o tecido muda pode ajudar no planejamento e execução de procedimentos médicos que envolvem cortes e reconstruções de tecido. Quando os cirurgiões planejam usar retalhos, que são pedaços de tecido usados para cobrir defeitos após a remoção de tumores, entender a mudança de tecido pode levar a um encaixe melhor e menos complicações. Se o sistema de IA puder medir com precisão o deslocamento do tecido, pode ficar mais fácil determinar o tamanho do retalho necessário para a reconstrução.

Atualmente, não há estudos conhecidos que se concentrem em usar IA para medir como o volume dos tumores e os buracos deixados após a remoção de tumores mudam. Para reunir informações para o treinamento da IA, os pesquisadores realizaram um estudo usando cadáveres de porcos. Este estudo visava criar dados sobre a mudança de tecido com base nas mudanças de volume durante remoções simuladas de tumores.

#Configuração do Estudo

Neste estudo, 52 cabeças de porco foram usadas como cadáveres. O modelo para usar esses cadáveres foi aprovado pelas autoridades locais. As cabeças de porco foram cortadas ao meio e armazenadas para uso imediato ou congeladas para depois. Seções de tecido foram removidas das laterais das cabeças para simular a remoção de tumores. A área ao redor desses cortes foi marcada para escaneamento, para que as câmeras pudessem identificar facilmente as regiões de interesse.

Após a remoção do tecido, escaneamentos foram feitos das cavidades deixadas para trás e do tecido removido. O deslocamento do tecido foi simulado aquecendo os tecidos para observar como eles mudavam de forma. Os pesquisadores garantiram que o tecido não ressecasse durante esse processo para manter a precisão.

#Tecnologia Usada para Escaneamento

Dois dispositivos de escaneamento avançados foram utilizados: o Microsoft HoloLens 2, um headset de realidade mista que permite a visualização 3D de objetos, e o scanner 3D Artec Eva, que captura imagens detalhadas de objetos. O HoloLens tira imagens e vídeos ainda, enquanto o Artec Eva captura fotos de alta resolução do tecido de vários ângulos.

Uma vez que os escaneamentos foram feitos, eles foram processados usando software de fotogrametria para criar modelos 3D detalhados do tecido. Várias ferramentas de software foram empregadas para refinar esses modelos e garantir que eles representassem com precisão as formas e Volumes dos tecidos envolvidos.

#Analisando os Dados

Após coletar os escaneamentos, os pesquisadores compararam os resultados dos dois dispositivos de escaneamento para avaliar as diferenças no número de pontos de dados coletados e nos volumes medidos. Eles descobriram que o HoloLens produziu significativamente mais pontos de dados do que o Artec Eva, mas ambos os dispositivos forneceram medições de volume igualmente precisas para as cavidades de ressecção.

Além disso, o estudo examinou como as diferenças de temperatura afetaram o volume das cavidades de ressecção e do tecido removido. Eles descobriram que temperaturas mais frias deixavam o tecido mais rígido e menos propenso a deformações, enquanto o aquecimento do tecido levou a mudanças em seu volume.

#Implicações para a Cirurgia

Os achados desse estudo são essenciais para vários aspectos da prática cirúrgica. Uma das áreas principais de impacto potencial é na gestão de análises de seções congeladas. Durante esses procedimentos, os médicos precisam avaliar rapidamente se todo o tecido canceroso foi removido. Se ocorrerem deslocamentos de tecido, marcos importantes podem ser difíceis de encontrar, o que pode resultar em avaliações imprecisas e células tumorais perdidas. O novo sistema baseado em IA visa melhorar a precisão na identificação de áreas que precisam de mais remoção, aumentando a segurança do paciente e o sucesso cirúrgico.

Outra aplicação é no planejamento de retalhos para cobrir defeitos criados durante as cirurgias. Os cirurgiões muitas vezes precisam estimar o tamanho dos retalhos de tecido com base no tamanho dos tumores. Se eles subestimarem o tamanho do defeito devido ao deslocamento do tecido, o retalho pode não se ajustar corretamente, levando a complicações. O sistema de IA poderia fornecer medições de volume mais precisas, ajudando os cirurgiões a planejarem melhor o tamanho e a forma do retalho.

Por fim, os avanços na navegação de tecidos moles poderiam beneficiar muito cirurgias em espaços apertados, especialmente em operações de cabeça e pescoço. Ao empregar sistemas baseados em IA em tempo real para medir o deslocamento do tecido, os cirurgiões poderiam melhorar sua orientação durante as cirurgias, aumentando assim a segurança dos procedimentos.

#Conclusão

Esse estudo destaca os desafios apresentados pela mudança de tecido em ambientes cirúrgicos e o potencial de novas tecnologias para melhorar os resultados. Usando modelos de cadáveres e técnicas de escaneamento avançadas, os pesquisadores estão fazendo progressos na compreensão e medição do deslocamento de tecido. Com o contínuo desenvolvimento de sistemas de IA para auxiliar nesse esforço, o futuro das cirurgias de tecidos moles promete ser mais seguro e eficaz. À medida que essa tecnologia avança, pode levar a melhores práticas cirúrgicas e, em última análise, a um cuidado mais eficaz para os pacientes em cirurgias complexas.