サブ葉肺切除中のセグメント間平面識別のための HSI (HYPER-Seg)

肺がんは、世界中のがん関連死の主な原因です。 特にリスク集団に対するスクリーニング戦略の一般化により、初期段階で発見される肺がん症例の数が増加しています。 この点で、肺機能障害のある患者で肺癌と診断される例も増えています。 肺機能を維持し、合併症の発生を減らすために、現在、このコホートで肺区域切除術が評価されています。 したがって、肺がんの予防、診断、治療、および経過観察に関するドイツのガイドラインの最新版では、腫瘍の病期 I/II で肺機能が損なわれている患者に対して区域切除を推奨しています。 ただし、分節間平面の識別 - 分節切除の重要なステップ - は依然として困難です。 セグメント間平面の不正確な認識は、残りの肺組織の機能不全、換気または血流の不一致、または手術後の長期的な空気漏れにつながる可能性があり、計画外の二次手術が必要になることさえあります。 インドシアニン グリーン (ICG) は、評価された最新の識別方法の 1 つであり、ゴールド スタンダードと見なされています。 ハイパースペクトル イメージング (HSI) - 新しく確立された術中イメージング技術 - は、組織灌流の非侵襲的評価と、セグメント切除中の異なる組織灌流による肺組織の識別を可能にします。

この前向き、単一施設、非劣性 IDEAL ステージ 2b 研究の目的は、ハイパースペクトル イメージングを使用した肺癌の肺葉下切除中のセグメント間平面とナビゲーションの識別、ICG 蛍光セグメント間平面識別との比較、および術中ナビゲーションのための機械学習戦略を使用した自動セグメント間平面ナビゲーション。

これに対処するために、肺分節切除中に HSI と ICG 蛍光の両方によって分節間平面が検出され、2 つの識別方法の対応が互いに比較されます。 機械学習戦略を使用して、灌流および非灌流の肺組織とセグメント間平面の検出が分析されます。 最後に、研究者は、手術中の将来の HSI イラストの改善のためのモーション トラッキングを研究します。

この研究の仮説は、HSI がインドシアニン グリーン蛍光のゴールド スタンダードとして信頼性の高いセグメント間平面識別を提供する肺セグメント切除術中の術中ナビゲーションを改善できるということです。 この場合、蛍光色素の静脈内投与は、セグメント間平面の識別にはもう必要ありません。

複雑な部分切除の場合、ICG は肺循環時間が短いため、大量または繰り返し使用する必要があります。 ICG を複数回使用すると、ICG が気管支循環を介して標的の肺組織に入り、ICG の副作用のリスクが高まる可能性があります。 対照的に、HSI の利点は、手術中のより迅速で反復的な測定です。 セグメント間平面解剖中の合計測定時間 (10 秒対 3 分/測定) を削減し、結果として患者の負担を軽減する可能性があります。 これに関連して、食道または結腸直腸手術中のHSIベースの灌流測定に関するいくつかの研究では、患者の転帰がすでに改善されていることが示されています。 さらに、HSI は、甲状腺機能亢進症または腎機能または肝機能障害のある患者の手術に使用できます。

この仮説を支持するために、前向き非劣性試験デザインがこの研究で使用されます。 データ取得と報告の質を確保するために、研究はIDEAL報告ガイドラインに従って実施されます。 肺分節切除の間、分節間平面は HSI と ICG 蛍光の両方によって識別されます。 決定された HSI セグメント間マージンは、グラウンド トゥルース ICG 蛍光に対してベンチマークされ、HSI および ICG マッピングの実現可能性と再現性が調査されます。

機械学習手法により、医療画像データの微妙なパターンの解釈が大幅に改善されました。 畳み込みニューラル ネットワーク (CNN) は、医療画像の分類とセグメンテーションのための最先端技術と見なすことができます。 研究者は、HSI分類のためのCNNベースの方法を拡張し、特に、同じ位置で取得されたICGおよびHSIデータを使用して、灌流組織と非灌流組織の間のパッチベースの区別を研究します。 さらなる課題は、HSI の取得が比較的遅い (10 秒/測定) ことです。これにより、拍動運動などによるモーション アーティファクトが発生しやすくなります。 これに対処するために、捜査官は、手術中のセグメント境界の将来の図にも関連するモーション トラッキングを研究します。

機械学習アプローチ、特に CNN を使用すると、実際の臨床データに基づいて分類子を直接最適化し、スペクトル次元を簡単に処理できます。 さらに、画像処理の汎用的な方法として、CNN は術中イメージング中のローカリゼーションと動き補償にも使用できます。たとえば、赤/緑/青の画像ストリームで画像の特徴とその動きを検出するようにトレーニングできます。 これは、組織の動きに敏感な一連の測定に基づく提案された HSI データ取得にとって興味深いものです。