Forskerne kombinerede multiphotonmikroskopi med automatiseret billed- og statistisk analyse algoritmer for at skelne mellem sundt og sygt væv. I dette billede, samlet i en helt etiketfri, ikke -invasiv måde, kollagen er farvet grønt, mens æggestokkene metastatiske celleklynger præsenteres i rødt. Kredit:Dimitra Pouli, Thomas Schnelldorfer, og Irene Georgakoudi, Tufts University og Lahey Hospital and Medical Center
Forskere har for første gang kombineret en kraftfuld mikroskopiteknik med automatiserede billedanalysealgoritmer for at skelne mellem sundt og metastatisk kræftvæv uden at stole på invasive biopsier eller brug af et kontrastfarvestof. Denne nye tilgang kunne en dag hjælpe læger med at opdage kræftmetastaser, der ellers er vanskelige at se via standard billeddannelsesteknologier under operationer.
"Eksisterende teknikker er uvurderlige, men lider af lav rumlig opløsning og kræver ofte brug af eksogene kontrastmidler, "sagde forskerteams medleder Thomas Schnelldorfer fra Lahey Hospital, Burlington, Masse., U.S.A. "Metoden, der anvendes i dette arbejde, identificerer på en fuldstændig etiketfri måde cellulære og vævsegenskaber på mikroskopisk niveau, i det væsentlige fungerer som en biopsi uden en kniv, "tilføjede Dimitra Pouli fra Tufts University, Medford, Masse., USA., hovedforfatter af undersøgelsen.
I tidsskriftet The Optical Society (OSA) Biomedicinsk optik Express , forskere demonstrerer brugen af multiphotonmikroskopi sammen med automatiseret billede og statistiske analysealgoritmer til at undersøge frisk udskårne biopsier fra bughulen, en del af maven, der ofte påvirkes af metastatisk kræft, især for patienter med kræft i æggestokkene. Det er første gang sundt og metastatisk humant peritonealt væv er blevet evalueret med succes ved at kombinere denne mikroskopimodalitet med billedteksturanalyse teknikker.
Fordi fremgangsmåden evaluerer cellulære og ekstracellulære vævsegenskaber på mikroskopisk niveau, det kunne identificere kræftmetastase på et tidligere tidspunkt, hvor det kan være lettere at behandle. Ved at bruge algoritmer til at klassificere væv, tilgangen kan også hjælpe med at reducere bias i fortolkning af billeder og supplere metoder, der er afhængige af menneskelig ekspertise.
"Dette kan i sidste ende hjælpe kirurger med at identificere mistænkelige eller syge områder direkte i operationsstuen i realtid, hvilket igen direkte ville påvirke patientforvaltningen, "sagde Schnelldorfer.
"Da metoden udnytter iboende vævsignaler, der findes næsten allestedsnærværende i væv, det kan anvendes på andre former for kræft og andre anvendelser helt, såsom fibrose og kardiovaskulær sygdom, hvor vævsstruktur og omdannelse af ekstracellulær matrix ændres af de underliggende sygdomsprocesser, "tilføjede Irene Georgakoudi, studere medleder fra Tufts University.
Find spor i vævsstruktur
Multiphotonmikroskopi virker ved at levere laserlys til væv. Selvom laseren har høj spidsintensitet, den leveres i meget korte pulser for at holde den gennemsnitlige effekt lille og ikke forårsage vævsskade. Da forskellige vævskomponenter interagerer med laserlyset, de udsender signaler, der derefter hentes af mikroskopet for at skabe et billede. Når billederne er erhvervet, automatiserede billedbehandlingsalgoritmer kan bruges til at afsløre unikke teksturelle funktioner. Disse funktioner, som ikke er synlige på de billeder, der er erhvervet med standard operative billedværktøjer, kan analyseres med statistiske modeller for at klassificere vævet som sundt eller syg.
En nøglestyrke ved tilgangen er, at billedoptagelsen og analysen er baseret på komponenter i selve vævet - såsom celler eller kollagen, et protein, der danner bindevæv - frem for kontrastfarver, der er tilsat det. Dette tillader analyse af iboende funktioner relateret til form og funktion på en helt ikke -invasiv og ikke -destruktiv måde.
I dette arbejde, forskerne anvendte for første gang denne kombinerede mikroskopi og analyseteknik til sunde og metastatiske menneskelige parietale peritoneale væv. Fordi parietalt peritonealt væv er fyldt med kollagen, en del af den analytiske implementering var fokuseret på at evaluere de mikrostrukturelle mønstre af kollagenfibre og deres intermolekylære tværbindingssignaler.
Forskerne fandt ud af, at sundt og sygt væv viste særprægede mønstre med hensyn til kontrast (et mål for intensitetsforskelle fra pixel til pixel) og korrelation (et mål for mønsterrepetitivitet). Selvom sunde væv viste større variation i disse funktioner, metastatiske vævsbilleder viste mere ensartede intensitetsmønstre og mindre fibre. Disse ændringer afspejler ødelæggelsen af det native bindevæv af kræftcellerne, giver et kendetegn for kræftmetastase.
Forbedring af kræft iscenesættelse
Bestemmelse af omfanget og placeringen af kræftspredning - kendt som iscenesættelse - er afgørende for effektiv kræftbehandling. Tværsnitsradiografisk billeddannelse og laparoskopi med hvidt lys er værktøjer, der bruges til at identificere abdominale metastaser, men kommer ofte til kort, når det kommer til at detektere mindre læsioner begravet i sundt væv. Biopsier og mikroskopisk evaluering spiller også en central rolle for at afgøre, om kræftceller har metastaseret og begyndt at invadere vævsmikromiljøet.
Når kræft i æggestokkene begynder at sprede sig, det vises oftest først i bughinden, en membran, der beklæder bughulen. For at teste deres nye metode, forskerne brugte den til at analysere peritoneale biopsier indsamlet fra otte patienter med bekræftet eller mistanke om ovarial malignitet.
Analyse af 41 billeder hentet fra biopsierne, teknikken klassificerede korrekt 40 ud af 41 billeder (en nøjagtighed på 97,5 procent). I alt 11 prøver blev korrekt klassificeret som metastatisk (100 procent følsomhed) og 29 af 30 blev korrekt klassificeret som raske (96,6 procent specificitet).
Forskerne planlægger at fortsætte med at teste metoden i et større udvalg af billeder fra en bredere patientpopulation. Mens analysemetoden blev optimeret til påvisning af kræft i æggestokkene, der har metastaseret i parietalt peritonealt væv, den samme teknik kunne tilpasses til analyse af andre vævstyper og andre kræftformer.
Selvom biopsier blev brugt til at teste metoden, forskere siger, at det ultimative mål er at anvende det direkte på områder af kroppen, hvor kræft findes eller mistænkes, uden behov for biopsier eller farvestoffer. Inden teknikken kan bruges til vævsanalyse i realtid under operationen, yderligere arbejde vil være nødvendigt for at minimere mikroskopikomponenterne, integrere mikroskopet med kirurgisk instrumentering og muliggøre realtidsanalyse af de erhvervede billeder direkte på operationsstuen.