Gli ingegneri biomedici della Duke University hanno ideato un metodo per aumentare la risoluzione della tomografia a coerenza ottica (OCT) fino a un singolo micrometro in tutte le direzioni, anche in un paziente vivente. La nuova tecnica, chiamata tomografia a rifrazione a coerenza ottica (OCRT), potrebbe migliorare le immagini mediche ottenute nell'industria OCT multimiliardaria per campi medici che vanno dalla cardiologia all'oncologia.

I risultati compaiono in un articolo pubblicato online il 19 agosto sulla rivista Fotonica della natura .

"Un problema storico con OCT è che la risoluzione in profondità è in genere diverse volte migliore della risoluzione laterale, " disse Joseph Izatt, il professore di ingegneria Michael J. Fitzpatrick alla Duke. "Se gli strati dei tessuti ripresi sono orizzontali, quindi sono ben definiti nella scansione. Ma per estendere tutta la potenza dell'OCT per l'imaging dal vivo dei tessuti in tutto il corpo, era necessario un metodo per superare il compromesso tra risoluzione laterale e profondità di imaging".

L'OCT è una tecnologia di imaging analoga agli ultrasuoni che utilizza la luce anziché le onde sonore. Una sonda spara un raggio di luce in un tessuto e, in base ai ritardi delle onde luminose mentre si riprendono, determina i confini delle caratteristiche all'interno. Per avere un quadro completo di queste strutture, il processo viene ripetuto in molte posizioni orizzontali sulla superficie del tessuto sottoposto a scansione.

Poiché l'OCT fornisce una risoluzione della profondità molto migliore rispetto alla direzione laterale, funziona meglio quando queste caratteristiche contengono per lo più strati piatti. Quando gli oggetti all'interno del tessuto hanno forme irregolari, i lineamenti si sfocano e la luce si rifrange in direzioni diverse, riducendo la qualità dell'immagine.

I precedenti tentativi di creare immagini OCT con un'elevata risoluzione laterale si sono basati sull'olografia, misurando scrupolosamente il complesso campo elettromagnetico riflesso dall'oggetto. Mentre questo è stato dimostrato, l'approccio richiede che il campione e l'apparato di imaging rimangano perfettamente fermi fino alla scala nanometrica durante l'intera misurazione.

"Questo è stato ottenuto in un ambiente di laboratorio, " ha detto Izatt, che ha anche un incarico in oftalmologia presso la Duke University School of Medicine. "Ma è molto difficile da ottenere nei tessuti viventi perché vivono, respirare, fluire e cambiare."

Nel nuovo giornale, Izatt e il suo dottorando, Kevin Zhou, adottare un approccio diverso. Piuttosto che fare affidamento sull'olografia, i ricercatori combinano le immagini OCT acquisite da più angolazioni per estendere la risoluzione della profondità alla dimensione laterale. Ogni singola immagine OCT, però, viene distorto dalla rifrazione della luce attraverso irregolarità nelle cellule e in altri componenti dei tessuti. Per compensare questi percorsi alterati durante la compilazione delle immagini finali, i ricercatori avevano bisogno di modellare con precisione come la luce viene piegata mentre passa attraverso il campione.

Per compiere questa impresa computazionale, Izatt e Zhou si sono rivolti alla loro collega Sina Farsiu, il Paul Ruffin Scarborough Professore Associato di Ingegneria alla Duke, che ha una lunga storia nell'utilizzo di strumenti di apprendimento automatico per creare immagini migliori per le applicazioni sanitarie.

Lavorando con Farsiu, Zhou ha sviluppato un metodo che utilizza "l'ottimizzazione basata sul gradiente" per dedurre l'indice di rifrazione all'interno delle diverse aree del tessuto in base alle immagini multi-angolo. Questo approccio determina la direzione in cui la proprietà data, in questo caso l'indice di rifrazione, deve essere regolata per creare un'immagine migliore. Dopo molte iterazioni, l'algoritmo crea una mappa dell'indice di rifrazione del tessuto che meglio compensa le distorsioni della luce. Il metodo è stato implementato utilizzando TensorFlow, una popolare libreria software creata da Google per applicazioni di deep learning.

"Uno dei tanti motivi per cui trovo questo lavoro entusiasmante è che siamo stati in grado di prendere in prestito strumenti dalla comunità di apprendimento automatico e applicarli non solo alle immagini OCT post-elaborazione, ma anche combinarli in modo nuovo ed estrarre nuove informazioni, " ha detto Zhou. "Penso che ci siano molte applicazioni di queste librerie di deep learning come TensorFlow e PyTorch, al di fuori delle attività standard come la classificazione e la segmentazione delle immagini."

Per questi esperimenti di proof-of-concept, Zhou ha prelevato campioni di tessuto come la vescica o la trachea di un topo, li metto in un tubo, e ha ruotato i campioni di 360 gradi sotto uno scanner OCT. L'algoritmo ha creato con successo una mappa dell'indice di rifrazione di ciascun campione, aumentando la risoluzione laterale della scansione di oltre il 300% riducendo il rumore di fondo nell'immagine finale. Mentre lo studio ha utilizzato campioni già rimossi dal corpo, i ricercatori ritengono che l'OCRT possa essere adattato per funzionare in un organismo vivente.

"Piuttosto che ruotare il tessuto, una sonda di scansione sviluppata per questa tecnica potrebbe ruotare l'angolo del raggio sulla superficie del tessuto, " disse Zhou.

Zhou sta già studiando quanto una scansione corneale potrebbe essere migliorata dalla tecnologia con una scansione inferiore a 180 gradi, e i risultati sembrano promettenti. In caso di successo, la tecnica potrebbe essere un vantaggio per molte esigenze di imaging medico.

"Catturare immagini ad alta risoluzione dei tessuti di deflusso convenzionali nell'occhio è un obiettivo a lungo ricercato in oftalmologia, " disse Farsiu, riferendosi al sistema di drenaggio dell'umore acqueo dell'occhio. "Avere uno scanner OCT con questo tipo di risoluzione laterale sarebbe molto importante per la diagnosi precoce e la ricerca di nuovi bersagli terapeutici per il glaucoma".

"L'OCT ha già rivoluzionato la diagnostica oftalmica avanzando l'imaging microscopico non invasivo della retina umana vivente, " ha detto Izatt. "Riteniamo che con ulteriori progressi come OCRT, l'alto impatto di questa tecnologia può essere esteso non solo alla diagnostica oftalmica aggiuntiva, ma all'imaging di patologie in tessuti accessibili da endoscopi, cateteri, e broncoscopi in tutto il corpo."