Fot. Narodowe Centrum Promieniowania Synchrotronowego SOLARIS

Grupa dr. Tomasza Wróbla (NCPS SOLARIS) skupia się w swojej pracy na wspomaganiu detekcji nowotworów poprzez połączenie obrazowania w podczerwieni i zastosowania algorytmów uczenia maszynowego (Machine Learning – ML). Dzięki temu podejściu możliwe jest opracowanie skutecznego modelu, który w znacznie krótszym czasie i w sposób automatyczny pozwoli histopatologom potwierdzić obszar chorobowy. Obrazowanie w podczerwieni (InfraredImaging – IR), które wkrótce będzie dostępne także na nowobudowanej linii w SOLARIS, w ciągu ostatnich kilku dekad znalazło szerokie zastosowanie do badań biomedycznych i jest wprowadzane aktualnie do diagnostyki klinicznej.

– Bogactwo informacji biochemicznej dostarczanej przez tę metodę jest zawarte w widmach IR opisujących unikalną zdolność próbki do absorbowania światła podczerwonego o różnych długościach fal. Część widma jest często nazywana „molekularnym odciskiem palca” i pozwala na identyfikację setek związków chemicznych. Jeśli połączymy te dane z algorytmem uczenia maszynowego, to uzyskamy jeszcze lepsze wyniki. To praktycznie nowy obszar badań związany z wykrywaniem nowotworów – wyjaśnia dr Tomasz Wróbel.

Używając próbek pochodzących od zdrowych i chorych pacjentów (początkowo zdiagnozowanych przez doświadczonych histopatologów), algorytm maszynowego uczenia przeszukuje widma, aby znaleźć i wyciągnąć cechy charakterystyczne o składzie biochemicznym dla danego typu tkanki, dzięki czemu tworzony jest model. Model ten jest później stosowany w celu identyfikacji nieznanych próbek. Taka automatyzacja, która nie wymaga barwienia próbek, jest dużym wsparciem dla histopatologów i pozwala im na szybsze i skuteczniejsze wykrycie stanów zapalnych i zwyrodnieniowych w organizmie.

– Aby metoda mogła być użyteczna dla zastosowania klinicznego musi być nie tylko dokładna, ale też mieścić się w odpowiednim przedziale czasowym. W przypadku obrazowania w podczerwieni, zastosowanie kwantowych laserów kaskadowych, zamiast klasycznych źródeł promieniowania stosowanych w obrazowaniu IR z transformatą Fouriera (FT-IR), pozwala na osiągnięcie odpowiedniej skali czasowej – rzędu minut na pacjenta. Jednakże, poza względnie krótkim czasem pomiaru, istnieje wiele innych aspektów mających wpływ na ostateczny czas analizy próbek, na przykład przygotowanie próbek, które niesie ze sobą wiele problemów wymagających przeanalizowania oraz optymalizacji – uzupełnia dr Wróbel.

W opublikowanej pracy rozważanych jest kilka czynników mających kluczowy wpływ na finalne podejście diagnostyczne. Przede wszystkim, jak efektywna będzie translacja modelu na szybszą modalność mikroskopów QCL. Pomiary FT-IR dostarczają pełną informację widmową, która nie zawsze jest potrzebna w całości do konstrukcji modelu. Z drugiej strony, zastosowanie kwantowych laserów kaskadowych (QCL) pozwala skupić się na wybranych obszarach widmowych. Zdefiniowanie małego podzbioru częstości widmowych, które są najbardziej istotne dla rozróżnienia typów tkanki stanowi bazę do stworzenia optymalnego modelu klasyfikacyjnego, jednocześnie zapewniając zaletę szybkiego pomiaru. Wyniki pokazują, że nawet po dużej redukcji informacji widmowej, modele osiągają czułość sięgającą 95%.

Niezależnie od wspomnianego projektu, grupa dr. Wróbla pracuje również nad stworzeniem pełnego modelu klasyfikacji raka trzustki uwzględniającym różne typy raka, jego stadia, zapalenia oraz wykrywanie marginesu operacyjnego przy użyciu obrazowania w podczerwieni. Powyższy projekt stanowi jeden z możliwych kierunków badań, których wykonanie wkrótce będzie możliwe na powstającej linii SOLAIR w Narodowym Centrum Promieniowania Synchrotronowego SOLARIS.

Wyniki pracy „Translacja histopatologicznego modelu przełyku powstałego dla obrazowania FT-IR na szybki system QCL” zostały opublikowane w „Journal of Biophotonics”. Autorami pracy są: Danuta Liberda – Uniwersytet Jagielloński, NCPS SOLARIS, Michael Hermes – University of Exeter, Paulina Kozioł – Instytut Fizyki Jądrowej PAN, Nick Stone – University of Exeter, Tomasz Wróbel (autor korespondencyjny) – Uniwersytet Jagielloński, NCPS SOLARIS oraz Instytut Beckmana, Uniwersytet Illinois w Urbana-Champaign.

Cała publikacja jest dostępna tutaj.

Powyższa grafika przedstawia dwie biopsje przełyku: w górnej części grafiki znajduje się biopsja pobrana od pacjenta chorego na nowotwór przełyku, w dolnej części – biopsja pobrana od pacjenta zdrowego. W lewej części grafiki widoczne są obrazy mikroskopowe wspomnianych biopsji po zastosowanym barwienia H&E (Hematoksyliną i Eozyną – na takim obrazie wybarwionej biopsji histopatolog wizualnie przypisuje typy tkanki), w środkowej części grafiki widoczne są obrazy biopsji uzyskane przy pomocy obrazowania w podczerwieni, prawa cześć grafiki przedstawia histologiczny obraz biopsji uzyskany po przypisaniu tkanek i struktur do trzech klas (tkanka nowotworowa, inne, zdrowa i niegroźna tkanka nabłonkowa) przez algorytm maszynowego uczenia.

Czerwony – rak

Niebieski – inne

Zielony – zdrowa i niegroźna tkanka nabłonkowa

Autorka: Emilia Król, Narodowe Centrum Promieniownia Synchrotronowego SOLARIS