"De techniek van Raman-spectroscopie - in combinatie met opkomende methoden voor machinaal leren - vindt in hoog tempo zijn weg naar operatiekamers, met het vooruitzicht de nauwkeurigheid van chirurgische procedures in een breed scala van oncologische toepassingen te verbeteren, inclusief neurochirurgie, " zegt Frédéric Leblond, hoogleraar technische natuurkunde aan Polytechnique Montréal. Het nieuwe artikel van zijn team heeft tot doel de opname van Raman-spectroscopie in de biogeneeskunde te versnellen door het vertrouwen dat clinici in de resultaten kunnen hebben, te vergroten.

Vernoemd naar de Indiase natuurkundige C.V. Raman, die voor het eerst Ramanverstrooiing waarnam in 1928, Raman-spectroscopie gebruikt een laser met hoge intensiteit om moleculen te onderzoeken. Het door de moleculen teruggestrooide licht geeft informatie over hun structuur en binding, dus Raman-spectroscopie kan worden gebruikt om chemische veranderingen waar te nemen en te identificeren. in de geneeskunde, deze verstrooiingstechniek zorgt voor "chemische vingerafdrukken" van cellen, weefsels, of biovloeistoffen, onderzoekers rijke biomoleculaire informatie geven die de oorzaken en gevolgen van ziekte zou kunnen onthullen.

In vergelijking met andere analytische technieken zoals histologie, Röntgenstralen, MRI, en PET-scans, Raman-spectroscopie biedt verschillende voordelen, waaronder niet-invasief en niet-destructief, en het gebruik van niet-ioniserende straling. Er is meestal geen monstervoorbereiding, en onderzoekers kunnen kiezen hoeveel of hoe weinig van een monster ze willen analyseren. Aanvullend, bijna alle materialen vertonen Raman-verstrooiing. Zuivere metalen reflecteren alleen licht, maar metallurgen kunnen Raman-spectroscopie gebruiken omdat carbiden, nitriden, en oxiden zullen Raman-verstrooiing doen.

Ondanks deze voordelen, Raman-spectroscopie is een techniek met een laag signaal die relatief lange acquisitietijden vereist en, tot nu, er is geen efficiënte manier geweest om de kwaliteit van het intra-operatieve Raman-signaal te bewaken en te waarborgen. Dit tekort belemmert de klinische vertaling van de techniek door het vermogen om robuuste en nauwkeurige machine-learning kankerdetectiemodellen te trainen, te beperken. Het beperkt ook de betrouwbaarheid van intra-operatieve data-acquisitie, vaak extra personeel nodig om de datakwaliteit live visueel te bewaken tijdens een procedure.

Signaalkwaliteit meten

In een recent artikel in de SPIE Journal of Biomedical Optics (JBO), Leblond en zijn team pakken dit probleem aan en beschrijven hun inspanningen om een ​​kwantitatieve methode te ontwikkelen voor het evalueren van de Raman-signaalkwaliteit op basis van de variantie die gepaard gaat met stochastische ruis in belangrijke weefselbanden.

"Veel te vaak, academische studies bevorderen optische hulpmiddelen voor medicijnen, maar kijk niet zorgvuldig naar de kwaliteit van de spectrale gegevens die worden gebruikt om beslissingen te nemen, " zegt Brian Pogue, MacLean Professor of Engineering aan de Thayer School of Engineering in Dartmouth en hoofdredacteur van JBO. "Op het gebied van Raman-spectroscopie, dit kan met name belangrijk zijn omdat de gegevens inherent signaal-ruisbeperkt zijn, en zeer complex van aard. Er zijn veel moleculaire resonantiepieken in het spectrum en ze overlappen elkaar en sommige hebben een zeer kleine signaalintensiteit. Het ontwikkelen van geautomatiseerde data-analysetools om ervoor te zorgen dat de gemeten spectrale gegevens van voldoende hoge kwaliteit zijn om een ​​medische beslissing te nemen, is erg belangrijk, aangezien deze nieuwe technieken worden gevorderd in klinische onderzoeken."

Het artikel beschrijft de ontwikkeling van een nieuwe techniek die de kwaliteit van Raman-gegevens ondubbelzinnig kan kwantificeren op basis van het signaal dat is geassocieerd met specifieke moleculaire kenmerken van het signaal, met name de aanwezigheid van bepaalde eiwit- en lipidebanden. Deze methode kan worden gebruikt om de Raman-signaalkwaliteit automatisch te controleren tijdens chirurgische procedures en het is aangetoond dat het de nauwkeurigheid van de detectie van hersenkanker verbetert.

De kwaliteit kwantificeren

Om de methode te testen, het team gebruikte een dataset van 315 in situ spectra van 44 hersenkankerpatiënten die waren verkregen met behulp van een single-point, handheld Raman-spectroscopiesondesysteem ontwikkeld door Leblond en zijn team. Alvorens te worden gepresenteerd aan drie onafhankelijke reviewers voor kwalitatieve evaluatie, de spectra werden willekeurig geschud en hun toegewezen pathologielabel verborgen. Specifieke criteria zoals visuele beoordeling van alomtegenwoordige Raman-weefselpieken werden gebruikt.

Bij een andere proef 15 in vivo hersenmetingen werden gedaan tijdens een operatie voor glioblastoom bij één patiënt om het aantal herhaalde metingen van de Raman-signaal-ruisverhouding te evalueren. Ze ontdekten dat hun methode spectra van hoge en lage kwaliteit kan scheiden met een gevoeligheid van 89% en een specificiteit van 90% - dit kan de gevoeligheid en specificiteit van kankerdetectie met maximaal 20% en 12% verhogen, respectievelijk.

"Deze nieuwe studie door Fred Leblond en zijn onderzoeksgroep bij Polytechnique Montreal en het CHUM Research Center bevorderen het concept van het maken van op medische diagnoses gebaseerde spectrale metingen die worden gevalideerd door kwaliteitsstatistieken van de gegevens, ", zegt Pogue. "Deze groep heeft enkele van de meest baanbrekende onderzoeken gedaan naar het gebruik van Raman-spectroscopie in neurochirurgie, en ze hebben een reeks publicaties die elk aspect van de instrumentatie bevorderen, de tools voor gegevensanalyse en visualisatie, en het bevorderen van de klinische proeven. Dit huidige artikel richt zich op de belangrijkste onderbelichte kwestie van het testen en kwantificeren van de kwaliteit van de spectra zoals deze wordt gebruikt voor besluitvorming in de geneeskunde."