Четко очерченная граница отличает доброкачественные опухоли от злокачественных, при этом у злокачественных опухолей появляются нечеткие края, когда они начинают инфильтрировать окружающие здоровые ткани. На этой более поздней стадии прогрессирования опухоли вместо хирургического удаления онкологи должны прибегать к гораздо более агрессивным терапевтическим вмешательствам для лечения заболевания, при этом риски для пациентов резко возрастают. Чем раньше врачи смогут выявить опухоли, тем лучше результаты для пациентов.

Проблема в том, что иногда бывает трудно «увидеть» опухоли, чтобы точно диагностировать и оценить их состояние. Опухоли, растущие глубоко во внутренних органах, могут быть недоступны для биопсии, и, поскольку они окружены капсулами слизистой оболочки, традиционные методы диагностической визуализации, такие как эндоскопия, не всегда позволяют это сделать. Эксперты по раку считают стромальные опухоли желудочно-кишечного тракта, или ГИСО, одними из самых трудных для диагностики — их трудно обнаружить, а для клинической оценки требуется много времени.

Японские исследователи предложили решение для преодоления проблем диагностики GIST с помощью новой технологии, которая сочетает в себе гиперспектральную визуализацию в ближнем инфракрасном диапазоне (NIR-HSI) с машинным обучением.

«Этот метод немного похож на рентгеновские лучи, идея заключается в том, что вы используете электромагнитное излучение, которое может проходить через тело, для создания изображений внутренних структур», — сказал Хироши Такемура, руководивший разработкой новой технологии.

«Разница в том, что рентгеновские лучи имеют длину 0,01–10 нм, а ближний инфракрасный диапазон — около 800–2500 нм. На этой длине волны ближнее инфракрасное излучение делает ткани прозрачными на изображениях. И эти длины волн менее вредны для пациента, чем даже видимые лучи».

Эта разработка, опубликованная в Nature’s Scientific Reports, является результатом совместного проекта инженеров и врачей по изучению возможностей использования NIR-HSI для визуализации глубоких опухолей.

Создание новой платформы было трехступенчатым процессом. Сначала были получены иссеченные опухоли у 12 пациентов с положительным диагнозом GIST и визуализированы с помощью NIR-HSI. Затем патологоанатомы изучили и проанализировали полученные изображения, определяя различия между здоровыми и злокачественными тканями. Затем эта информация использовалась в качестве учебного материала для алгоритма машинного обучения, который поможет автоматизировать диагностику патологоанатомов.

Результаты были многообещающими: алгоритм успешно смог определить цвет опухоли по сравнению с неопухолевыми тканями с точностью 86 процентов.

«Это очень захватывающая разработка», — объяснил Такемура.

«Возможность точно, быстро и неинвазивно диагностировать различные типы подслизистых опухолей без биопсии, процедуры, требующей хирургического вмешательства, намного проще как для пациента, так и для врачей».

До полного клинического внедрения технологии еще далеко, хотя исследователи уверены, что последующие исследования помогут достичь этой цели. Их стратегии включают в себя расширение набора данных для обучения машинному обучению, включив в него другие типы опухолей, и интеграцию платформы с существующими технологиями эндоскопии.

Источники: Nature Scientific Reports, EurekAlert.

Первоначально опубликовано на https://www.labroots.com 9 февраля 2021 г.