EXAMINAÇÃO INTRAOPERATÓRIA USANDO HYperspectral baseado em MAChine Learning para diagnóstico e avaliação anatômica autônoma (iEXMachyna3)

O reconhecimento intraoperatório das estruturas-alvo, que precisam ser preservadas ou removidas seletivamente, é de suma importância durante os procedimentos cirúrgicos. Esta tarefa depende principalmente do conhecimento anatômico e da experiência do operador. No cenário de cirurgia minimamente invasiva, há um feedback tátil reduzido e a visão do cirurgião é a única pista para discriminar os tecidos. A má percepção da anatomia, devido a condições patológicas específicas do paciente e/ou inexperiência do cirurgião, pode levar a um risco aumentado de lesão iatrogênica de estruturas anatômicas críticas e pode ter consequências devastadoras. A imagem hiperespectral (HSI) representa uma tecnologia promissora que combina uma câmera fotográfica a um espectrômetro e que é capaz de realizar uma varredura óptica em tempo real sobre uma grande área, de forma livre de contraste, fornecendo informações espaciais e espectrais, geradas por a interação tecido/luz. A tecnologia é baseada no uso de medições de imagens espectroscópicas de refletância. A medição consiste na irradiação de luz branca sobre a área (lâmpadas halógenas normais, em intensidade não nociva) e no registro das intensidades espectrais remetidas da área na forma de espectros de remissão. A interação óptica (espalhamento, absorção) da luz incidente com os vários componentes (incluindo a profundidade) do material alvo (por exemplo, tecidos biológicos) altera a distribuição espectral da luz para que a luz remitida carregue informações sobre o material atual ou composição e fisiologia do tecido (por exemplo, perfusão). O HSI é um método já estabelecido de classificação objetiva de informações de imagem em vários campos científicos (por exemplo, sensoriamento remoto), que foi aplicado pela primeira vez na área da medicina humana há cerca de 15 anos. Devido às vantagens intrínsecas da coleta de amostras não destrutivas, possibilidades de interface com modalidades ópticas comuns (microscópio, endoscópio) e resultados quantitativos independentes do examinador, várias abordagens foram desenvolvidas nesse meio tempo para aproveitar o potencial da imagem hiperespectral na medicina.

Sua utilidade no campo biomédico já foi amplamente comprovada. Foi previamente aplicado em cirurgia digestiva para quantificar a hemoglobina oxigenada intestinal durante vários procedimentos, ou em caso de isquemia mesentérica. Vários trabalhos anteriores focaram com sucesso na capacidade do HSI de discriminar entre tecido normal e tumoral, em câncer de próstata, câncer colorretal, câncer gástrico, glioblastoma, câncer de cabeça e pescoço. No campo oncológico, os avanços na classificação de recursos hiperespectrais foram notáveis ​​e levaram ao uso bem-sucedido de algoritmos sofisticados de aprendizado profundo. Em cirurgia, a utilidade da câmera HSI foi estudada para visualizar o campo operatório sob sangramento difícil ou para detectar a presença de tumor dentro das margens de ressecção após a excisão cirúrgica.

Um grupo japonês utilizou um sistema HSI como ferramenta de visualização adicional para detectar isquemia intestinal e também para classificar a anatomia intra-abdominal. Eles identificaram um comprimento de onda específico (756-830 nm) para a diferenciação entre intestino saudável e menos perfundido. Eles também demonstraram que o baço, cólon, intestino delgado, bexiga urinária e peritônio têm características espectrais diferentes. Esta descoberta pode permitir no futuro a navegação baseada em HSI do campo de operação. Nosso grupo recentemente empregou HSI como ferramenta intraoperatória no modelo suíno para quantificar a perfusão dos órgãos do trato gastrointestinal contra marcadores biológicos robustos. Os resultados mostraram que esta tecnologia é capaz de quantificar o suprimento sanguíneo intestinal com alto grau de precisão.

Outros grupos previamente tentaram discriminar o ducto biliar dos vasos, o esôfago do tecido traqueal, a tireoide da glândula paratireoide, o nervo e o ureter do tecido circundante. No entanto, os trabalhos anteriores direcionados ao reconhecimento de estruturas anatômicas importantes foram conduzidos usando algoritmos simples de discriminação de recursos ou métodos de seleção de bandas. A quantidade de informações obtidas após cada aquisição, varia de acordo com a resolução da câmera, mas é bastante grande, portanto são necessárias técnicas de machine e deep learning para classificação de dados e extração de características. Em um conjunto de experimentos controlados no modelo suíno, assinaturas hiperespectrais foram usadas com sucesso, acopladas a algoritmos de aprendizado de máquina, para discriminar estruturas anatômicas finas, como nervos ou ureteres no intraoperatório (dados não publicados).

O estudo i-EX-MACHYNA3 visa traduzir a tecnologia HSI em combinação com vários algoritmos de aprendizado profundo para diferenciar entre diferentes classes de tecidos humanos (incluindo estruturas anatômicas importantes, como BD, nervos e ureteres).