Диагностика рака требует длительного процесса многократного анализа биопсии ткани, препятствующего быстрому и раннему обнаружению рака. В новом исследовании ученые из Университета Осаки разработали новую систему визуализации, которая использует ближний инфракрасный свет, чтобы быть менее инвазивным и более эффективным по времени, чем традиционный подход.

Гистопатологический анализ, или исследование биопсии тканей, является краеугольным камнем диагностики рака. Сначала проводится биопсия нескольких образцов из разных мест в тканях. Эти образцы затем отправляются патологу, который окрасит ткани для молекул, представляющих интерес, чтобы определить, присутствуют ли раковые клетки. Несмотря на установленный процесс, он может быть особенно инвазивным, так как достаточное количество биопсий из нескольких мест в одном и том же органе необходимо для увеличения шансов на выявление потенциального рака – что не всегда возможно для определенных органов, таких как легкие, поджелудочная железа и матка. Подозреваемый рак шейки матки является даже противопоказанием для приобретения биопсии. Другим существенным недостатком этого процесса является медленное время выполнения, из-за сложности приобретения ткани, гистопатологической подготовки, оценки и подготовки отчета.

Время имеет большое значение, когда дело доходит до рака. Целью нашего исследования было разработать новую методику, которая может поставить диагноз рака в режиме реального времени, используя только полученные ткани, без дальнейшей гистопатологической подготовки. "

Масару Исии, соответствующий автор исследования

Для достижения своей цели исследователи сосредоточили внимание на раке шейки матки, четвертом наиболее распространенном типе рака у женщин. Они получили биопсию от здоровых пациентов и пациентов с раком шейки матки, и сразу же сделали их снимки с помощью своей системы визуализации, которая использует ближний инфракрасный свет для сканирования тканей. Дополнительной особенностью этой системы визуализации является ее способность не только сканировать ткани в двух измерениях, как это обычно делается, но также и в трех измерениях, таким образом, получая полное представление о тканях. Исследователи обнаружили, что ядра, компартменты внутри клеток, которые содержат ДНК, имели неправильную форму в раковой ткани. Используя полученные данные и анализируя их с помощью алгоритма машинного обучения, исследователи смогли установить количественный подход для классификации тканей на нормальные и раковые на основе ядерной формы. Идя дальше, исследователи разработали дополнительный алгоритм классификации, который учитывает количество соединительной ткани в биопсиях при принятии решения, является ли ткань здоровой или больной.

Но улучшила ли эта система визуализации диагноз рака шейки матки? Чтобы проверить точность результатов визуализации, исследователи отправили образец патологам, которые затем провели обычный гистопатологический анализ биопсий и обнаружили значительное совпадение между двумя подходами. Использование обоих недавно разработанных алгоритмов классификации даже позволило провести различие между инвазивным раком и так называемой цервикальной интраэпителиальной неоплазией, предшественником инвазивного рака, обнаруженного путем сбора клеток шейки матки с мазками Папаниколау. Взятый вместе, этот новый метод визуализации позволил визуализировать ткани в трех измерениях и провести анализ на рак без тщательной подготовки ткани.

«Это поразительные результаты, которые показывают, как сочетание нашей техники с анализом изображений с использованием искусственного интеллекта позволяет менее инвазивное, быстрое и количественное обнаружение рака шейки матки по сравнению с традиционным подходом», – говорит Исии. «Наша система визуализации может помочь в разработке новых медицинских устройств в качестве улучшенного подхода к диагностике рака».