Glioma Difuso y la Resonancia Magnética como Herramienta Diagnostica, a Propósito de un Caso

Palabras clave: glioma difuso, resonancia magnética, herramienta diagnostica

Resumen

Los tumores del sistema nervioso constituyen un grupo heterogéneo, de entidades con síntomas dependientes de la localización tamaño y su edad. Los tumores primarios del sistema nervioso central representan el 2-3% de todas las neoplasias, de estos los más frecuentes son los tumores astrocitarios y los meningiomas. Los gliomas que comprenden hasta el 60% de los tumores, astrociticos, son los más comunes (en su clasificación anterior). La OMS en un intento de caracterizar y clasificar mejor este grupo heterogéneo de neoplasias del sistema nervioso central, desde el año 2021 ha propuesto incluir las pruebas moleculares, histopatológicas avanzadas, con lo cual permite un manejo y entendimiento medico universal. Los estudios de imagen juegan un papel importante en el proceso diagnóstico de estas neoplasias, permitiendo así al médico clínico guiar mejor su tratamiento y la planificación quirúrgica. La resonancia magnética gracias a su gran sensibilidad para los tejidos blandos ha facilitado reunir características que son propias de los tumores de alto y de bajo grado. Las nuevas tecnologías asociadas a la resonancia magnética permiten estrechar la brecha diagnóstica entre el estudio histopatológico y lo radiológico. Entre las herramientas disponibles en la actualidad están relacionadas con la base física del estudio utilizado, ahí su interés y utilidad. La resonancia magnética con contraste dinámico mejorado, la espectroscopia de resonancia magnética (MRS), estas técnicas clásicas han aportado mucho hasta ahora, y son la base para las nuevas herramientas como la MRS in vivo, la MRS ex vivo en biopsias puede brindar una gran cantidad de información a diferencia de sus antecesores.

Descargas

La descarga de datos todavía no está disponible.

Citas

1. Del Río RJ, Cicutti SE, González Ramos JD. Tumores del sistema nervioso central. Clasificación de la Organización Mundial de la Salud 2021. Hacia un cambio de paradigma. Arch Argent Pediatr. 2024;122(4). DOI: 10.5546/aap.2023-10219
2. Ellison DW, Aldape KD, Capper D, Fouladi M, Gilbert MR, Gilbertson RJ, et al. cIMPACT‐NOW update 7: advancing the molecular classification of ependymal tumors. Brain Pathol. 2020;30(5):863–6. DOI: 10.1111/bpa.12866
3. López-Aguilar E, Vildósola ACS, Rioscovián-Soto AP, Gascón-Lastiri G, Rojas-Puentes F, Siordia-Reyes G, et al. Medigraphic.com [Internet]. 2010. Sobrevida de los pacientes con astrocitoma de alto grado que expresan el antígeno Ki67, atendidos en un hospital de pediatría [citado el 13 de abril de 2024]. Recuperado: https://www.medigraphic.com/pdfs/gaceta/gm-2010/gm102g.pdf
4. Hebert Medelo Ballesteros, Jhon-Franklin Espinosa-Castro, Johel E. Rodríguez, editor. Galoracion mediante resosnancia magnetica del glioblastoma [Internet]. Vol. 38 Scielo; 2019 [citado. Recuperado: https://www.revistaavft.com/images/revistas/2019/avft_3_2019/23_valoracion_mediante.pdf
5. Emblem KE, Zoellner FG, Tennoe B, Nedregaard B, Nome T, Due-Tonnessen P, et al. Predictive modeling in glioma grading from MR perfusion images using support vector machines. Magn Reson Med. 2008;60(4):945–52. DOI: 10.1002/mrm.21736
6. Kalpathy-Cramer J, Gerstner ER, Emblem KE, Andronesi OC, Rosen B. Advanced magnetic resonance imaging of the physical processes in human glioblastoma. Cancer Res. 2014;74(17):4622–37. DOI: 10.1158/0008-5472.can-14-038
7. Emblem KE, Zoellner FG, Tennoe B, Nedregaard B, Nome T, Due-Tonnessen P, et al. Predictive modeling in glioma grading from MR perfusion images using support vector machines. Magn Reson Med. 2008;60(4):945–52. DOI: 10.1002/mrm.21736
Morales Avalos, J. A., & Aquino Zúñiga, S. P. (2024). El Liderazgo en la Red Social de Telesecundaria. El Caso de una Entidad del Sureste de México. Estudios Y Perspectivas Revista Científica Y Académica , 4(2), 111–135. https://doi.org/10.61384/r.c.a.v4i2.200
Salas Medina , D. L., Medina Barragán, R. A., Mercado Rivas, M. X., & Valle Solís, M. O. (2024). El futuro de la investigación en Enfermería ¿Por qué los estudiantes no están interesados en la generación del conocimiento?. Revista Científica De Salud Y Desarrollo Humano, 5(1), 367–377. https://doi.org/10.61368/r.s.d.h.v5i1.99
Vargas Espinoza, R. B., & Ayala Dominguez, D. R. (2024). Estrés y Ansiedad en Estudiantes de Enfermería de la Universidad Nacional de Pilar. Emergentes - Revista Científica, 4(1), 350–367. https://doi.org/10.60112/erc.v4i1.112
Martínez, L., & Jara, P. (2023). Análisis de la adaptación de los modelos de negocio a nuevas realidades. Un estudio de la literatura existente, 2021. Revista Veritas De Difusão Científica, 4(2), 71–87. https://doi.org/10.61616/rvdc.v4i2.47
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en Pacientes con Enfermedades Autoinmunes: una Revisión de Estudios Latinoamericanos. Revista Científica De Salud Y Desarrollo Humano, 1(1), 46–59. https://doi.org/10.61368/r.s.d.h.v1i1.9
8. Sinning M. CLASIFICACIÓN DE LOS TUMORES CEREBRALES. Rev médica Clín Las Condes [Internet]. 2017;28(3):339–42. Disponible en: http://dx.doi.org/10.1016/j.rmclc.2017.05.002
9. Torp SH, Solheim O, Skjulsvik AJ. The WHO 2021 Classification of Central Nervous System tumours: a practical update on what neurosurgeons need to know—a minireview. Acta Neurochir (Wien) [Internet]. 2022;164(9):2453–64. Disponible en: http://dx.doi.org/10.1007/s00701-022-05301-
10. Brat DJ, Aldape K, Colman H, Holland EC, Louis DN, Jenkins RB, et al. cIMPACT-NOW update 3: recommended diagnostic criteria for “Diffuse astrocytic glioma, IDH-wildtype, with molecular features of glioblastoma, WHO grade IV”. Acta Neuropathol [Internet]. 2018;136(5):805–10. Disponible en: http://dx.doi.org/10.1007/s00401-018-1913-0
11. Kaufmann TJ, Smits M, Boxerman J, Huang R, Barboriak DP, Weller M, et al. Consensus recommendations for a standardized brain tumor imaging protocol for clinical trials in brain metastases. Neuro Oncol [Internet]. 2020;22(6):757–72. Disponible en: http://dx.doi.org/10.1093/neuonc/noaa030
12. Won SE, Suh CH, Kim S, Park HJ, Kim KW. Summary of key points of the response assessment in neuro-oncology (RANO) 2.0. Korean J Radiol [Internet]. 2024;25(5):407. Disponible en: http://dx.doi.org/10.3348/kjr.2024.0016
13. Fan H, Luo Y, Gu F, Tian B, Xiong Y, Wu G, et al. Artificial intelligence-based MRI radiomics and radiogenomics in glioma. Cancer Imaging [Internet]. 2024;24(1). Disponible en: http://dx.doi.org/10.1186/s40644-024-00682-y
14. Kickingereder P, Isensee F, Tursunova I, Petersen J, Neuberger U, Bonekamp D, et al. Automated quantitative tumour response assessment of MRI in neuro-oncology with artificial neural networks: a multicentre, retrospective study. Lancet Oncol [Internet]. 2019;20(5):728–40. Disponible en: http://dx.doi.org/10.1016/s1470-2045(19)30098-1
15. Thust SC, Heiland S, Falini A, Jäger HR, Waldman AD, Sundgren PC, et al. Glioma imaging in Europe: A survey of 220 centres and recommendations for best clinical practice. Eur Radiol [Internet]. 2018;28(8):3306–17. Disponible en: http://dx.doi.org/10.1007/s00330-018-5314-5
Publicado
2024-06-03
Cómo citar
Guerra Flores, P. S., Baquero Jaramillo , M. J., Chérrez Martínez, K. E., Caicedo Coral, J. W., & Guerrón Revelo , D. K. (2024). Glioma Difuso y la Resonancia Magnética como Herramienta Diagnostica, a Propósito de un Caso. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 949-963. https://doi.org/10.37811/cl_rcm.v8i3.11305
Sección
Ciencias de la Salud

Artículos más leídos del mismo autor/a