I ricercatori per la prima volta hanno combinato una potente tecnica di microscopia con algoritmi di analisi delle immagini automatizzati per distinguere tra tessuto canceroso sano e metastatico senza fare affidamento su biopsie invasive o sull'uso di un mezzo di contrasto. Questo nuovo approccio potrebbe un giorno aiutare i medici a rilevare metastasi del cancro che altrimenti sarebbero difficili da vedere tramite le tecnologie di imaging standard durante le operazioni.

"Le tecniche esistenti sono inestimabili ma soffrono di una bassa risoluzione spaziale e spesso richiedono l'uso di mezzi di contrasto esogeni, ", ha affermato il co-leader del gruppo di ricerca Thomas Schnelldorfer del Lahey Hospital, Burlington, Messa., U.S.A. "Il metodo utilizzato in questo lavoro identifica in modo completamente privo di etichette le caratteristiche cellulari e tissutali a livello microscopico, essenzialmente comportandosi come una biopsia senza coltello, " ha aggiunto Dimitra Pouli della Tufts University, Medford, Messa., STATI UNITI D'AMERICA., autore principale dello studio.

Nella rivista The Optical Society (OSA) Ottica biomedica Express , i ricercatori dimostrano l'uso della microscopia multifotonica insieme a immagini automatizzate e algoritmi di analisi statistica per esaminare biopsie appena asportate dalla cavità peritoneale, una parte dell'addome che è frequentemente colpita da tumori metastatici, soprattutto per i pazienti con cancro ovarico. È la prima volta che il tessuto peritoneale umano sano e metastatico è stato valutato con successo combinando questa modalità di microscopia con tecniche di analisi della trama dell'immagine.

Poiché l'approccio valuta le caratteristiche dei tessuti cellulari ed extracellulari a livello microscopico, potrebbe identificare le metastasi del cancro in una fase precedente quando potrebbe essere più facile da trattare. Utilizzando algoritmi per classificare i tessuti, l'approccio potrebbe anche aiutare a ridurre i pregiudizi nell'interpretazione delle immagini e integrare i metodi che si basano sull'esperienza umana.

"Questo potrebbe in definitiva aiutare i chirurghi a identificare aree sospette o malate direttamente in sala operatoria in tempo reale, che a sua volta influenzerebbe direttamente la gestione del paziente, ", ha detto Schnelldorfer.

"Poiché il metodo sfrutta i segnali tissutali intrinseci presenti quasi ubiquitariamente nei tessuti, può essere applicato ad altri tipi di cancro e ad altre applicazioni del tutto, come la fibrosi e le malattie cardiovascolari in cui la struttura dei tessuti e il rimodellamento della matrice extracellulare sono alterati dai processi patologici sottostanti, " ha aggiunto Irene Georgakoudi, co-leader dello studio della Tufts University.

Trovare indizi nella trama dei tessuti

La microscopia multifotonica funziona fornendo luce laser ai tessuti. Sebbene il laser abbia un'elevata intensità di picco, viene erogato in impulsi molto brevi per mantenere bassa la potenza media e non causare danni ai tessuti. Poiché i diversi componenti del tessuto interagiscono con la luce laser, emettono segnali che vengono poi recuperati dal microscopio per creare un'immagine. Una volta acquisite le immagini, algoritmi di elaborazione automatica delle immagini possono essere utilizzati per rivelare caratteristiche strutturali uniche. Queste caratteristiche, che non sono visibili nelle immagini acquisite con strumenti di imaging operativo standard, possono essere analizzati con modelli statistici per classificare il tessuto come sano o malato.

Un punto di forza dell'approccio è che l'acquisizione e l'analisi delle immagini si basano su componenti del tessuto stesso, come cellule o collagene, una proteina che forma il tessuto connettivo, piuttosto che sui coloranti di contrasto che gli sono stati aggiunti. Ciò consente l'analisi delle caratteristiche intrinseche relative alla forma e alla funzione in modo completamente non invasivo e non distruttivo.

In questo lavoro, i ricercatori hanno applicato per la prima volta questa tecnica combinata di microscopia e analisi a tessuti peritoneali parietali umani sani e metastatici. Poiché il tessuto peritoneale parietale è pieno di collagene, parte dell'implementazione analitica si è concentrata sulla valutazione dei modelli microstrutturali delle fibre di collagene e dei loro segnali di reticolazione intermolecolare.

I ricercatori hanno scoperto che i tessuti sani e malati hanno mostrato modelli distintivi in ​​termini di contrasto (una misura delle differenze di intensità da pixel a pixel) e correlazione (una misura della ripetitività del modello). Mentre i tessuti sani hanno mostrato una maggiore variazione in queste caratteristiche, le immagini del tessuto metastatico hanno mostrato modelli di intensità più uniformi e fibre più piccole. Questi cambiamenti riflettono la distruzione del tessuto connettivo nativo da parte delle cellule tumorali, fornendo un segno distintivo di metastasi del cancro.

Migliorare la stadiazione del cancro

Determinare l'estensione e le sedi della diffusione del cancro, nota come stadiazione, è fondamentale per un trattamento efficace del cancro. L'imaging radiografico trasversale e la laparoscopia a luce bianca sono strumenti utilizzati per identificare le metastasi addominali, ma spesso falliscono quando si tratta di rilevare lesioni più piccole sepolte all'interno di tessuti sani. Anche le biopsie e la valutazione microscopica svolgono un ruolo chiave nel determinare se le cellule tumorali hanno metastatizzato e hanno iniziato a invadere il microambiente tissutale.

Quando il cancro ovarico inizia a diffondersi, il più delle volte appare prima nel peritoneo, una membrana che riveste la cavità addominale. Per testare il loro nuovo metodo, i ricercatori lo hanno usato per analizzare le biopsie peritoneali raccolte da otto pazienti con malignità ovarica confermata o sospetta.

Analizzando 41 immagini acquisite dalle biopsie, la tecnica ha classificato correttamente 40 immagini su 41 (una precisione del 97,5%). Un totale di 11 campioni è stato correttamente classificato come metastatico (sensibilità del 100%) e 29 su 30 sono stati correttamente classificati come sani (specificità del 96,6%).

I ricercatori hanno in programma di continuare a testare il metodo in un campione più ampio di immagini da una popolazione di pazienti più ampia. Mentre il metodo di analisi è stato ottimizzato per rilevare il cancro ovarico che ha metastatizzato nel tessuto peritoneale parietale, la stessa tecnica potrebbe essere adattata per analizzare altri tipi di tessuto e altri tipi di cancro.

Sebbene le biopsie siano state utilizzate per testare il metodo, i ricercatori affermano che l'obiettivo finale è applicarlo direttamente alle aree del corpo in cui si trova o si sospetta il cancro, senza la necessità di biopsie o coloranti. Prima che la tecnica possa essere utilizzata per l'analisi dei tessuti in tempo reale durante l'intervento chirurgico, sarà necessario ulteriore lavoro per miniaturizzare i componenti della microscopia, integrare il microscopio con la strumentazione chirurgica e consentire l'analisi in tempo reale delle immagini acquisite direttamente in sala operatoria.