Os pesquisadores adaptaram um algoritmo originalmente desenvolvido para a competição de predição de preferência de filmes da Netflix em 2009 para criar um método de aquisição de imagens clássicas de espectroscopia Raman de tecidos biológicos em velocidades sem precedentes. O avanço pode tornar o simples, método de imagem sem rótulo prático para aplicações clínicas, como detecção de tumor ou análise de tecido.

No Optica , O jornal da Optical Society para pesquisas de alto impacto, um grupo multiinstitucional de pesquisadores relata que uma abordagem de imagem computacional conhecida como imagem compressiva pode aumentar a velocidade da imagem, reduzindo a quantidade de dados espectrais Raman adquiridos. Eles demonstram velocidades de imagem de algumas dezenas de segundos para uma imagem que normalmente levaria minutos para ser adquirida e dizem que implementações futuras podem atingir velocidades abaixo de um segundo.

Os pesquisadores realizaram essa façanha adquirindo apenas uma parte dos dados normalmente necessários para a espectroscopia Raman e, em seguida, preenchendo as informações ausentes com um algoritmo desenvolvido para encontrar padrões nas preferências de filmes do Netflix. Embora o algoritmo não tenha ganho o prêmio de US $ 1 milhão da Netflix, tem sido usado para atender a outras necessidades do mundo real, neste caso, uma necessidade de melhor imagem biológica.

"Embora abordagens Raman compressivas tenham sido relatadas anteriormente, eles não podiam ser usados ​​com tecidos biológicos por causa de sua complexidade química, "disse Hilton de Aguiar, líder da equipe de pesquisa da École Normale Supérieure na França. "Combinamos imagens compressivas com algoritmos de computador rápidos que fornecem o tipo de imagens que os médicos usam para diagnosticar os pacientes, mas rapidamente e sem pós-processamento manual laborioso. "

Capturando processos biomédicos

A espectroscopia Raman é uma técnica não invasiva que não requer preparação de amostra para determinar a composição química de amostras complexas. Embora tenha se mostrado promissor na identificação de células cancerosas e análise de tecidos em busca de doenças, normalmente requer velocidades de aquisição de imagem que são muito lentas para capturar a dinâmica de espécimes biológicos. Processar a enorme quantidade de dados gerados por imagens espectroscópicas também consome tempo, especialmente ao analisar uma grande área.

“Com a metodologia que desenvolvemos, abordamos esses dois desafios simultaneamente - aumentando a velocidade e introduzindo uma maneira mais direta de adquirir informações úteis das imagens espectroscópicas, "disse de Aguiar.

Otimizando a velocidade

Para acelerar o processo de imagem, os pesquisadores tornaram seu sistema Raman mais compatível com o algoritmo. Eles fizeram isso substituindo as câmeras lentas e caras usadas em configurações convencionais por um dispositivo de microespelho digital barato e rápido conhecido como modulador de luz espacial. Este dispositivo seleciona grupos de comprimentos de onda que são detectados por um detector de pixel único altamente sensível, comprimir as imagens à medida que são adquiridas.

"Um modulador de luz espacial muito rápido tornou possível adquirir imagens e pular bits de dados muito rapidamente, "disse de Aguiar." O modulador de luz espacial que usamos é muito mais barato e rápido do que outras opções do mercado, tornando a configuração óptica geral barata e rápida. "

Os pesquisadores demonstraram sua nova metodologia usando um microscópio Raman para obter imagens de espectroscopia de tecido cerebral e células individuais, ambos os quais exibem alta complexidade química. Seus resultados mostraram que o método pode adquirir imagens em velocidades de algumas dezenas de segundos e realizar um alto nível de compactação de dados - reduzindo os dados em até 64 vezes.

Os pesquisadores acreditam que a nova abordagem deve funcionar com a maioria dos espécimes biológicos, mas eles planejam testá-lo com mais tipos de tecido para demonstrar isso experimentalmente. Além de ferramentas clínicas, o método pode ser útil para aplicações biológicas, como caracterização de algas. Eles também desejam melhorar a velocidade de digitalização de seu sistema para realizar a aquisição de imagens abaixo de um segundo.