Détection peropératoire de marges positives en chirurgie mammaire

Le nouveau système OCT-RAMAN développé dans ce projet intègrera les deux modules dans un seul instrument et s'appuiera sur des algorithmes d'apprentissage en profondeur pour acquérir et analyser automatiquement les données. Le module OCT sera conçu pour un balayage rapide de grands échantillons de lumpectomie (inclure le réglage de la mise au point pour les surfaces 3D irrégulières) et les algorithmes d'apprentissage automatique (ML) identifieront les régions d'intérêt (tissu non adipeux "dans les images OCT, dirigeant automatiquement les mesures de spectroscopie Raman à ces" zones à haut risque ". Une deuxième couche de modèles d'apprentissage automatique classera ensuite les spectres Raman pour discriminer le cancer (marges positives) à partir de tissu bénin. Cette approche simplifie l'utilisation de l'instrument, réduit la subjectivité et la formation des utilisateurs: l'utilisateur ne sera nécessaire que pour insérer le tissu dans l'instrument, toutes les étapes étant ensuite automatisées (mesures et analyses Raman et Raman) jusqu'à l'affichage de la carte de diagnostic finale montrant toutes les marges positives de couleur rouge. Le système OCT-RAMAN unique traduirea la forte précision de diagnostic de la spectroscopie Raman de l'échelle MM au niveau de la tumorectomie entière, fournissant un outil pour que les chirurgiens identifient les marges positives intra-surpératoire. L'équipe UON a démontré ce concept dans un instrument basé sur la spectroscopie AF et Raman pour la détection de marges positives pendant la chirurgie micrographique du MOHS pour les cancers de la peau. Le dispositif Oct-Raman qui sera utilisé dans cette étude a été développé par l'Université de Nottingham. Il s'agit d'une étude de preuve de concept d'un appareil développé en interne, entrepris dans un seul centre, et les résultats générés par l'utilisation de l'appareil ne seront pas utilisés pour diriger ou influencer les soins cliniques du participant.

Lorsque la machine est déjà calibrée et entraînée pour différencier la tumeur et le tissu normal, nous scannerons la surface du large échantillon d'excision local sans manipuler le tissu et le renvoyer au pathologiste pour un traitement de routine. La tranche de tissus ne sera pas utilisée à des fins de recherche. Toute information identifiable ne sera accessible que par les membres de l'équipe de soins cliniques, et les échantillons resteront anonymes aux chercheurs qui ne sont pas membres de l'équipe de soins cliniques.