Intraoperatív vizsgálat gépi tanuláson alapuló hiperspektrális segítségével a diagnózishoz és az autonóm anatómia értékeléséhez (iEXMachyna3)

A megőrzendő vagy szelektíven eltávolítandó célstruktúrák intraoperatív felismerése a sebészeti beavatkozások során kiemelten fontos. Ez a feladat elsősorban a kezelő anatómiai tudására és tapasztalatára támaszkodik. A minimálisan invazív sebészet hátterében a tapintható visszacsatolás csökken, és a sebész látása az egyetlen támpont a szövetek megkülönböztetésére. Az anatómia félreértése a beteg-specifikus kóros állapotok és/vagy a sebész tapasztalatlansága miatt a kritikus anatómiai struktúrák iatrogén sérülésének fokozott kockázatához vezethet, és pusztító következményekkel járhat. A hiperspektrális képalkotás (HSI) egy ígéretes technológia, amely a fotókamerát egy spektrométerrel kombinálja, és amely valós idejű optikai pásztázást képes végrehajtani nagy területen, kontrasztmentesen, mind térbeli, mind spektrális információt szolgáltatva, amelyet a szövet/fény kölcsönhatás. A technológia reflexiós spektroszkópiai képalkotó mérések alkalmazásán alapul. A mérés a terület fehér fényének besugárzásából áll (normál halogén lámpák, nem káros intenzitásban) és a területről kisugárzott spektrális intenzitások remissziós spektrumok formájában történő rögzítéséből. A beeső fény optikai kölcsönhatása (szórása, abszorpciója) a célanyag különböző összetevőivel (beleértve a mélységet is) (pl. biológiai szövetek) megváltoztatja a fény spektrális eloszlását, így a kibocsátott fény információkat hordoz az aktuális anyag- vagy szövetösszetételről és fiziológiáról (pl. perfúzió). A HSI egy már bevált módszer a képinformációk objektív osztályozására számos tudományterületen (pl. távérzékelés), amelyet körülbelül 15 évvel ezelőtt alkalmaztak először a humán gyógyászat területén. A roncsolásmentes mintagyűjtés, a közös optikai modalitásokkal (mikroszkóp, endoszkóp) való kapcsolódási lehetőségek, valamint a kvantitatív, vizsgálótól független eredmények miatt számos megközelítést fejlesztettek ki időközben a hiperspektrális képalkotásban rejlő lehetőségek kiaknázására az orvostudományban.

Hasznosságát az orvosbiológiai területen már széles körben bizonyították. Korábban az emésztősebészetben alkalmazták a bélben lévő oxigénezett hemoglobin mennyiségi meghatározására számos eljárás során, illetve mesenterialis ischaemia esetén. Számos korábbi munka foglalkozott sikeresen a HSI azon képességével, hogy különbséget tud tenni a normál és a daganatos szövetek között prosztatarák, vastagbélrák, gyomorrák, glioblasztóma, fej- és nyakrák esetén. Az onkológiai területen a hiperspektrális jellemzők osztályozásának előrehaladása figyelemre méltó, és a kifinomult mély tanulási algoritmusok sikeres használatához vezetett. A sebészetben a HSI kamera hasznosságát tanulmányozták a műtéti terület vizualizálására nehéz vérzés esetén, vagy a tumor jelenlétének kimutatására a műtéti kimetszés után a reszekciós széleken belül.

Egy japán csoport egy HSI rendszert használt kiegészítő vizualizációs eszközként a bél ischaemia kimutatására és az intraabdominális anatómia osztályozására. Egy bizonyos hullámhosszt (756-830 nm) azonosítottak az egészséges és a kevésbé perfundált bél közötti különbségtételhez. Azt is kimutatták, hogy a lép, a vastagbél, a vékonybél, a húgyhólyag és a peritoneum eltérő spektrális jellemzőkkel rendelkezik. Ez a megállapítás lehetővé teheti a jövőben a HSI-alapú navigációt a műveleti területen. Csoportunk a közelmúltban a HSI-t intraoperatív eszközként alkalmazta a sertésmodellben a gyomor-bél traktus szerveinek perfúziójának számszerűsítésére a robusztus biológiai markerekkel szemben. Az eredmények azt mutatták, hogy ez a technológia nagy pontossággal képes számszerűsíteni a bél vérellátását.

Más csoportok korábban megpróbálták megkülönböztetni az epevezetéket az erektől, a nyelőcsövet a légcsőszövettől, a pajzsmirigyet a mellékpajzsmirigytől, az ideget és az uretert a környező szövetektől. A kulcsfontosságú anatómiai struktúrák felismerésére irányuló korábbi munkákat azonban egyszerű jellemző megkülönböztető algoritmusok vagy sávkiválasztási módszerek alkalmazásával végezték. Az egyes adatgyűjtések után nyert információ mennyisége a kamera felbontásától függően változik, de elég nagy, ezért gépi és mélytanulási technikákra van szükség az adatok osztályozására és jellemzők kinyerésére. A sertésmodellben végzett ellenőrzött kísérletek sorozatában a hiperspektrális aláírásokat sikeresen alkalmazták gépi tanulási algoritmusokhoz kapcsolva, hogy a finom anatómiai struktúrákat, például idegeket vagy uretereket intraoperatív módon megkülönböztetjék (nem publikált adatok).

Az i-EX-MACHYNA3 tanulmány célja a HSI technológia lefordítása több mély tanulási algoritmussal kombinálva, hogy különbséget tegyen az emberi szövetek különböző osztályai között (beleértve a kulcsfontosságú anatómiai struktúrákat, például a BD-t, az idegeket és az uretereket).