診断と自律解剖学評価のための機械学習ベースの HYperspectral を使用した術中検査 (iEXMachyna3)

保存または選択的に除去する必要がある標的構造の術中認識は、外科手術中に最も重要です。 この作業は、主にオペレーターの解剖学的知識と経験に依存しています。 低侵襲手術の設定では、触覚フィードバックが減少し、外科医の視覚が組織を識別する唯一の手がかりになります。 患者固有の病理学的状態および/または外科医の経験不足による解剖学の誤解は、重要な解剖学的構造の医原性損傷のリスクの増加につながり、壊滅的な結果をもたらす可能性があります。 ハイパースペクトル イメージング (HSI) は、フォト カメラと分光計を組み合わせた有望な技術であり、コントラストのない方法で広い領域にわたってリアルタイムの光学スキャンを実行し、生成された空間情報とスペクトル情報の両方を提供します。組織/光の相互作用。 この技術は、反射分光イメージング測定の使用に基づいています。 測定は、領域への白色光の照射 (通常のハロゲン ランプ、無害な強度) と、領域からの反射スペクトル強度の反射スペクトルの形式での記録で構成されます。 入射光とターゲット材料のさまざまな成分 (深さを含む) との光学的相互作用 (散乱、吸収)。 生体組織) は、光のスペクトル分布を変更して、放出された光が現在の物質または組織の組成および生理学に関する情報を伝えるようにします (例: 灌流）。 HSI は、多くの科学分野で画像情報を客観的に分類する方法として既に確立されています (例: リモートセンシング) は、約 15 年前に人間の医療の分野で初めて適用されました。 非破壊サンプル収集の本質的な利点、一般的な光学モダリティ (顕微鏡、内視鏡) とのインターフェースの可能性、および検査者に依存しない定量的な結果のために、医学におけるハイパースペクトル イメージングの可能性を利用するために、さまざまなアプローチが開発されてきました。

生物医学分野におけるその有用性は、すでに広く証明されています。 これは、いくつかの処置中、または腸間膜虚血の場合に、腸の酸素化ヘモグロビンを定量化するために消化器外科で以前に適用されています。 前立腺がん、結腸直腸がん、胃がん、神経膠芽腫、頭頸部がんにおいて、正常組織と腫瘍組織を区別する HSI の能力に焦点を当てたこれまでの多くの研究が成功を収めています。 腫瘍学の分野では、ハイパースペクトル特徴分類の進歩は目覚ましく、洗練された深層学習アルゴリズムの使用に成功しています。 手術では、HSIカメラの有用性が研究されており、出血が困難な手術野を視覚化したり、外科的切除後の切除縁内の腫瘍の存在を検出したりしています。

日本のグループは、HSI システムを追加の視覚化ツールとして使用して、腸の虚血を検出し、腹腔内の解剖学的構造を分類しました。 彼らは、健康な腸とあまり灌流されていない腸を区別するための特定の波長 (756 ～ 830 nm) を特定しました。 彼らはまた、脾臓、結腸、小腸、膀胱、および腹膜が異なるスペクトル特性を持っていることを示しました。 この発見は、将来の HSI ベースの操作フィールドのナビゲーションで有効になる可能性があります。 私たちのグループは最近、堅牢な生物学的マーカーに対する胃腸管の臓器の灌流を定量化するために、豚モデルの術中ツールとして HSI を採用しました。 結果は、この技術が腸の血液供給を高い精度で定量化できることを示しました。

他のグループは以前に、胆管を血管から、食道を気管組織から、甲状腺を副甲状腺から、神経および尿管を周囲の組織から区別しようと試みました。 ただし、主要な解剖学的構造の認識に向けられた以前の研究は、単純な特徴識別アルゴリズムまたはバンド選択方法のいずれかを使用して行われました。 各取得後に取得される情報量は、カメラの解像度によって異なりますが、非常に大きいため、データ分類と特徴抽出のための機械およびディープ ラーニング技術が必要です。 ブタ モデルでの一連の制御実験では、ハイパースペクトル シグネチャを機械学習アルゴリズムと組み合わせて使用​​することに成功し、手術中に神経や尿管などの微細な解剖学的構造を識別することができました (未発表データ)。

i-EX-MACHYNA3研究は、HSI技術をいくつかの深層学習アルゴリズムと組み合わせて翻訳し、さまざまなクラスのヒト組織（BD、神経、尿管などの主要な解剖学的構造を含む）を区別することを目的としています。