Quando os cirurgiões removem o câncer, uma das primeiras questões é, "Eles pegaram tudo?" Pesquisadores da Rice University e do MD Anderson Cancer Center da Universidade do Texas criaram um novo microscópio que pode obter imagens de grandes seções de tecido de maneira rápida e econômica. potencialmente durante a cirurgia, para encontrar a resposta.

O microscópio pode gerar imagens rapidamente de pedaços relativamente grossos de tecido com resolução celular, e pode permitir que os cirurgiões inspecionem as margens dos tumores minutos após sua remoção. Ele foi criado por engenheiros e físicos aplicados da Rice e é descrito em um estudo publicado esta semana no Proceedings of the National Academy of Sciences .

“O principal objetivo da cirurgia é remover todas as células cancerosas, mas a única maneira de saber se você conseguiu tudo é olhar o tumor ao microscópio, "disse a Mary Jin de Rice, um Ph.D. estudante de engenharia elétrica e da computação e co-autor do estudo. "Hoje, você só pode fazer isso cortando primeiro o tecido em seções extremamente finas e, em seguida, visualizando essas seções separadamente. Este processo de fatiamento requer equipamento caro e a imagem subsequente de múltiplas fatias é demorada. Nosso projeto busca basicamente a imagem direta de grandes seções de tecido, sem qualquer corte. "

Microscópio de profundidade de campo estendido de aprendizado profundo de Rice, ou DeepDOF, faz uso de uma técnica de inteligência artificial conhecida como aprendizado profundo para treinar um algoritmo de computador para otimizar a coleta e o pós-processamento de imagens.

Com um microscópio típico, há uma compensação entre resolução espacial e profundidade de campo, o que significa que apenas coisas que estão à mesma distância da lente podem ser focadas claramente. As características que estão até alguns milionésimos de metro mais perto ou mais longe da objetiva do microscópio parecerão desfocadas. Por esta razão, as amostras de microscópio são normalmente finas e montadas entre lâminas de vidro.

Slides são usados ​​para examinar as margens do tumor hoje, e não são fáceis de preparar. O tecido removido geralmente é enviado para um laboratório de hospital, onde os especialistas congelam ou preparam com produtos químicos antes de fazer fatias finas como uma navalha e montá-las em lâminas. O processo é demorado e requer equipamentos especializados e trabalhadores com treinamento qualificado. É raro que os hospitais tenham a capacidade de examinar lâminas para as margens do tumor durante a cirurgia, e hospitais em muitas partes do mundo não possuem os equipamentos e conhecimentos necessários.

"Os métodos atuais para preparar o tecido para avaliação do status da margem durante a cirurgia não mudaram significativamente desde que foram introduzidos há mais de 100 anos, "disse a co-autora do estudo, Ann Gillenwater, M.D., professor de cirurgia de cabeça e pescoço no MD Anderson. "Ao trazer a capacidade de avaliar com precisão o status da margem para mais locais de tratamento, o DeepDOF tem potencial para melhorar os resultados para pacientes com câncer tratados com cirurgia. "

Ph.D. de Jin orientador, estudo co-autor correspondente Ashok Veeraraghavan, disse DeepDOF usa um microscópio óptico padrão em combinação com uma máscara de fase óptica barata que custa menos de US $ 10 para obter imagens de pedaços inteiros de tecido e fornecer profundidades de campo até cinco vezes maiores do que os microscópios de última geração.

"Tradicionalmente, equipamentos de imagem como câmeras e microscópios são projetados separadamente do software e algoritmos de processamento de imagem, "disse o co-autor do estudo, Yubo Tang, um associado de pesquisa de pós-doutorado no laboratório da co-autora Rebecca Richards-Kortum. "DeepDOF é um dos primeiros microscópios projetados com o algoritmo de pós-processamento em mente."

A máscara de fase é colocada sobre a objetiva do microscópio para modular a luz que entra no microscópio.

"A modulação permite um melhor controle do desfoque dependente da profundidade nas imagens capturadas pelo microscópio, "disse Veeraraghavan, um especialista em imagens e professor associado de engenharia elétrica e de computação na Rice. "Esse controle ajuda a garantir que os algoritmos de remoção de manchas aplicados às imagens capturadas recuperem fielmente as informações de textura de alta frequência em uma faixa muito mais ampla de profundidades do que os microscópios convencionais."

O DeepDOF faz isso sem sacrificar a resolução espacial, ele disse.

"Na verdade, tanto o padrão de máscara de fase quanto os parâmetros do algoritmo de remoção de borrão são aprendidos juntos usando uma rede neural profunda, o que nos permite melhorar ainda mais o desempenho, "Veeraraghavan disse.

DeepDOF usa uma rede neural de aprendizado profundo, um sistema especialista que pode aprender a tomar decisões humanas estudando grandes quantidades de dados. Para treinar o DeepDOF, pesquisadores mostraram 1, 200 imagens de um banco de dados de lâminas histológicas. A partir desse, O DeepDOF aprendeu como selecionar a máscara de fase ideal para a geração de imagens de uma amostra específica e também como eliminar o desfoque das imagens que captura da amostra, trazendo células de diferentes profundidades em foco.

"Uma vez que a máscara de fase selecionada é impressa e integrada ao microscópio, o sistema captura imagens em uma única passagem e o algoritmo de ML (aprendizado de máquina) faz a remoção de manchas, "Veeraraghavan disse.

Richards-Kortum, Professor da Universidade Malcolm Gillis de Rice, professor de bioengenharia e diretor do Rice 360 ​​° Institute for Global Health, disse que o DeepDOF pode capturar e processar imagens em apenas dois minutos.

"Nós validamos a tecnologia e mostramos a prova de princípio, "Richards-Kortum disse." Um estudo clínico é necessário para descobrir se o DeepDOF pode ser usado conforme proposto para avaliação de margem durante a cirurgia. Esperamos começar a validação clínica no próximo ano. "