엽하 폐 절제술 중 분절간 평면 식별을 위한 HSI (HYPER-Seg)

폐암은 전 세계적으로 암 관련 사망의 주요 원인입니다. 특히 위험 집단에 대한 선별 전략의 일반화로 인해 초기 단계에서 폐암 사례가 증가하고 있습니다. 이와 관련하여 폐 기능이 손상된 환자에서 폐암 진단도 증가하고 있습니다. 폐 기능을 보존하고 합병증 발생률을 줄이기 위해 현재 이 코호트에서 폐 분절 절제술을 평가하고 있습니다. 따라서 폐암의 예방, 진단, 치료 및 추적관찰을 위한 최신 독일 가이드라인에서는 종양 1기/2기의 폐기능 장애 환자에 대해 분절절제술을 권고하고 있다. 그러나 분절 절제술의 핵심 단계인 분절간 평면의 식별은 여전히 ​​어려운 일입니다. intersegmental plane의 부정확한 인식은 남은 폐 조직의 기능 장애, 환기 또는 혈류의 불일치 또는 수술 후 장기간의 공기 누출로 이어질 수 있으며 계획되지 않은 2차 수술이 필요할 수도 있습니다. 인도시아닌 그린(ICG)은 가장 최근에 평가된 식별 방법 중 하나이며 금 본위제로 간주됩니다. HSI(Hyperspectral Imaging) - 새로 확립된 수술 중 이미징 기술 - 조직 관류의 비침습적 평가 및 분절 절제 동안 다른 조직 관류로 폐 조직의 식별을 가능하게 합니다.

이 전향적, 단일 센터, 비열등성 IDEAL Stage 2b 연구의 목적은 Hyperspectral Imaging을 사용하여 폐암에서 폐엽하 절제술 동안 분절간 평면 및 탐색을 식별하고, ICG 형광 분절간 평면 식별과 비교하고, 수술 중 탐색을 위한 기계 학습 전략을 사용하는 자동 분절 간 평면 탐색.

이를 해결하기 위해 폐 분절 절제술 동안 HSI와 ICG-형광에 의해 분절간 평면이 감지되고 두 식별 방법의 대응이 서로 비교됩니다. 기계 학습 전략을 사용하여 관류 및 비관류 폐 조직 및 분절 간 평면의 감지를 분석합니다. 마지막으로 연구자들은 수술 중 향후 HSI 삽화의 개선을 위해 동작 추적을 연구할 것입니다.

이 연구의 가설은 HSI가 인도시아닌 녹색 형광의 황금 표준으로서 신뢰할 수 있는 분절간 평면 식별을 제공하는 폐 분절 절제술 동안 수술 중 탐색을 개선할 수 있다는 것입니다. 이 경우, intersegmental plane 식별을 위해 더 이상 형광 염료의 정맥 내 적용이 필요하지 않습니다.

복합분절절제술의 경우 폐순환시간이 짧기 때문에 ICG를 많이 사용하거나 반복적으로 사용해야 한다. ICG를 여러 번 사용하면 ICG가 기관지 순환을 통해 표적 폐 조직에 들어갈 수 있으며 ICG의 약물 부작용 위험이 증가합니다. 반면에 HSI의 장점은 수술 중 더 빠르고 반복적인 측정입니다. 분절간 평면 해부 중 총 측정 시간(10초 대 3분/측정)을 줄여 결과적으로 환자의 부담을 줄일 수 있습니다. 이러한 맥락에서 식도 또는 대장 수술 중 HSI 기반 관류 측정에 대한 여러 연구에서 이미 환자의 결과가 개선된 것으로 나타났습니다. 또한 HSI는 갑상선 기능 항진증이나 신장 또는 간 기능 장애가 있는 환자의 수술에 사용할 수 있습니다.

이 가설을 뒷받침하기 위해 전향적 비열등성 시험 설계가 본 연구에서 사용될 것입니다. 데이터 수집 및 보고의 품질을 보장하기 위해 연구는 IDEAL 보고 지침에 따라 수행됩니다. 폐 분절 절제술 동안 분절 간 평면은 HSI 및 ICG 형광 모두에 의해 식별됩니다. 결정된 HSI 세그먼트 간 마진은 지상 진실 ICG 형광에 대해 벤치마킹되고 HSI 및 ICG 매핑의 실행 가능성 및 재현성이 연구됩니다.

기계 학습 방법은 의료 이미지 데이터의 미묘한 패턴 해석을 크게 개선했습니다. 합성곱 신경망(CNN)은 의료 이미지의 분류 및 세분화를 위한 최첨단 기술로 간주될 수 있습니다. 연구자들은 HSI 분류를 위한 CNN 기반 방법을 확장하고 특히 동일한 위치에서 획득한 ICG 및 HSI 데이터를 사용하여 관류 조직과 비관류 조직 사이의 패치 기반 차별화를 연구할 것입니다. 또 다른 문제는 HSI(측정당 10초)의 상대적으로 느린 획득으로, 예를 들어 박동성 움직임으로 인해 움직임 아티팩트가 발생하기 쉽습니다. 이 문제를 해결하기 위해 조사관은 동작 추적을 연구할 것이며 이는 수술 중 분절 경계의 향후 그림과도 관련이 있습니다.

기계 학습 접근 방식과 특히 CNN을 사용하면 실제 임상 데이터를 기반으로 분류기를 직접 최적화할 수 있으며 스펙트럼 차원을 간단한 방식으로 처리할 수 있습니다. 또한 이미지 처리를 위한 다재다능한 방법으로서 CNN은 수술 중 이미징 중 위치 파악 및 움직임 보상에도 사용할 수 있습니다. 이는 조직 움직임에 민감한 일련의 측정을 기반으로 하는 제안된 HSI 데이터 수집에 대해 흥미롭습니다.