Reklama

Innowacyjny sposób wykrywania guzów nowotworowych

​Wykorzystując uczenie maszynowe, japońscy naukowcy opracowali algorytm do wczesnego wykrywania guzów nowotworów układu pokarmowego z niespotykaną do tej pory dokładnością.

Wczesne wykrywanie guzów ma kluczowe znaczenie dla uniknięcia nieodwracalnych uszkodzeń naczyń krwionośnych i tkanek. Niektóre guzy są pokryte warstwą błony śluzowej, co utrudnia naukowcom obserwowanie ich za pomocą standardowych metod (np. endoskopia) lub dotarcie do nich podczas biopsji.

Reklama

Zwłaszcza nowotwory podścieliskowe przewodu pokarmowego (GIST) wymagają trudnych, czasochłonnych metod, które często wydłużają diagnostykę.

W celu poprawy diagnostyki GIST, grupa z Tokyo University of Science i National Cancer Center Hospital East w Japonii opracowała technologię, która wykorzystuje obrazowanie hiperspektralne w bliskiej podczerwieni (NIR-HSI) oraz uczenie maszynowe. Ich odkrycia zostały szczegółowo opisane w "Nature Scientific Reports".

- Technika ta jest trochę podobna do promieniowania rentgenowskiego. Wykorzystuje się w niej promieniowanie elektromagnetyczne, które może przechodzić przez ciało, aby wygenerować obrazy struktur znajdujących się wewnątrz. Różnica polega na tym, że promieniowanie rentgenowskie ma długość fali 0,01-10 nm, natomiast bliska podczerwień ma długość fali około 800-2500 nm. Przy tej długości fali, promieniowanie bliskiej podczerwieni sprawia, że tkanki wydają się być przezroczyste na obrazach. A te długości fal są mniej szkodliwe dla pacjenta niż nawet promienie widzialne - powiedział dr Masaharu Takemura, główny autor badań.

Zespół dr Takemury przeprowadził eksperymenty obrazowania na 12 pacjentach z potwierdzonymi przypadkami GIST, którym usunięto guzy drogą chirurgiczną. Zespół obrazował wycięte tkanki przy użyciu NIR-HSI, po czym patolog badał obrazy i oznaczał prawidłową i nowotworową tkankę. Obrazy zostały następnie użyte jako dane treningowe dla algorytmu uczenia maszynowego. 

Eksperymenty wykazały, że nawet jeśli 10 z 12 badanych guzów było całkowicie lub częściowo pokrytych warstwą śluzówki, analiza uczenia maszynowego była w stanie skutecznie zidentyfikować GIST-y i była w stanie prawidłowo zakodować kolorystycznie fragmenty nowotworowe i nienowotworowe z dokładnością 86 proc.

- To bardzo ekscytujące osiągnięcie. Możliwość dokładnego, szybkiego i nieinwazyjnego diagnozowania różnych typów guzów podśluzówkowych bez konieczności wykonywania biopsji, która jest procedurą wymagającą operacji, jest znacznie łatwiejsza zarówno dla pacjenta, jak i dla lekarzy - dodał dr Takemura.

Choć badania są jeszcze we wczesnej fazie, zespół twierdzi, że jest to pierwszy, ważny krok w kierunku przełomowych badań nad wykrywaniem i leczeniem guzów. Naukowcy mają nadzieję, że dokładna, nieinwazyjna forma wczesnego wykrywania GIST-ów będzie powszechnie dostępna w niedalekiej przyszłości. 


INTERIA.PL

Reklama

Dowiedz się więcej na temat: nowotwory | onkologia | uczenie maszynowe