I ricercatori hanno riproposto un algoritmo originariamente sviluppato per il concorso di previsione delle preferenze cinematografiche di Netflix del 2009 per creare un metodo per acquisire immagini di spettroscopia Raman classica di tessuti biologici a velocità senza precedenti. L'anticipo potrebbe rendere il semplice, metodo di imaging senza etichetta pratico per applicazioni cliniche come il rilevamento di tumori o l'analisi dei tessuti.

In ottica , La rivista della Optical Society per la ricerca ad alto impatto, un gruppo multi-istituzionale di ricercatori riferisce che un approccio di imaging computazionale noto come imaging compressivo può aumentare la velocità di imaging riducendo la quantità di dati spettrali Raman acquisiti. Dimostrano velocità di imaging di poche decine di secondi per un'immagine che in genere richiede pochi minuti per l'acquisizione e affermano che le implementazioni future potrebbero raggiungere velocità inferiori al secondo.

I ricercatori hanno compiuto questa impresa acquisendo solo una parte dei dati tipicamente richiesti per la spettroscopia Raman e quindi compilando le informazioni mancanti con un algoritmo sviluppato per trovare modelli nelle preferenze dei film di Netflix. Sebbene l'algoritmo non abbia vinto il premio di $ 1 milione di Netflix, è stato utilizzato per soddisfare altre esigenze del mondo reale, in questo caso la necessità di un migliore imaging biologico.

"Sebbene gli approcci Raman compressivi siano stati segnalati in precedenza, non potevano essere usati con i tessuti biologici a causa della loro complessità chimica, " disse Hilton de Aguiar, capo del gruppo di ricerca dell'École Normale Supérieure in Francia. "Abbiamo combinato l'imaging compressivo con algoritmi informatici veloci che forniscono il tipo di immagini utilizzate dai medici per diagnosticare i pazienti, ma rapidamente e senza laboriose operazioni di post-elaborazione manuale."

Catturare i processi biomedici

La spettroscopia Raman è una tecnica non invasiva che non richiede la preparazione del campione per determinare la composizione chimica di campioni complessi. Sebbene abbia mostrato risultati promettenti per l'identificazione delle cellule tumorali e l'analisi dei tessuti per la malattia, in genere richiede velocità di acquisizione dell'immagine troppo lente per catturare la dinamica dei campioni biologici. Anche l'elaborazione dell'enorme quantità di dati generati dall'imaging spettroscopico richiede molto tempo, soprattutto quando si analizza una vasta area.

"Con la metodologia che abbiamo sviluppato, abbiamo affrontato queste due sfide contemporaneamente, aumentando la velocità e introducendo un modo più diretto per acquisire informazioni utili dalle immagini spettroscopiche, " disse de Aguiar.

Ottimizzazione della velocità

Per accelerare il processo di imaging, i ricercatori hanno reso il loro sistema Raman più compatibile con l'algoritmo. Lo hanno fatto sostituendo le costose e lente fotocamere utilizzate nelle configurazioni convenzionali con un dispositivo digitale a microspecchi economico e veloce noto come modulatore di luce spaziale. Questo dispositivo seleziona gruppi di lunghezze d'onda che vengono rilevati da un rivelatore a pixel singolo altamente sensibile, comprimendo le immagini man mano che vengono acquisite.

"Un modulatore di luce spaziale molto veloce ha permesso di acquisire immagini e saltare i bit di dati molto rapidamente, " ha detto de Aguiar. "Il modulatore di luce spaziale che abbiamo usato è ordini di grandezza meno costoso e più veloce di altre opzioni sul mercato, rendendo la configurazione ottica complessiva economica e veloce."

I ricercatori hanno dimostrato la loro nuova metodologia utilizzando un microscopio Raman per ottenere immagini spettroscopiche da tessuto cerebrale e singole cellule, entrambi i quali presentano un'elevata complessità chimica. I loro risultati hanno mostrato che il metodo può acquisire immagini a velocità di poche decine di secondi e realizzare un alto livello di compressione dei dati, riducendo i dati fino a 64 volte.

I ricercatori ritengono che il nuovo approccio dovrebbe funzionare con la maggior parte dei campioni biologici, ma hanno in programma di testarlo con più tipi di tessuto per dimostrarlo sperimentalmente. Oltre agli strumenti clinici, il metodo potrebbe essere utile per applicazioni biologiche come la caratterizzazione delle alghe. Vogliono anche migliorare la velocità di scansione del loro sistema per ottenere l'acquisizione di immagini in meno di un secondo.