Os engenheiros biomédicos da Duke University desenvolveram um método para aumentar a resolução da tomografia de coerência óptica (OCT) até um único micrômetro em todas as direções, mesmo em um paciente vivo. A nova técnica, chamada tomografia de refração de coerência óptica (OCRT), poderia melhorar as imagens médicas obtidas na indústria multibilionária de OCT para áreas médicas que vão da cardiologia à oncologia.

Os resultados aparecem em artigo publicado online no dia 19 de agosto na revista. Nature Photonics .

p "Um problema histórico com o OCT é que a resolução de profundidade é normalmente várias vezes melhor do que a resolução lateral, "disse Joseph Izatt, o Michael J. Fitzpatrick Professor de Engenharia na Duke. "Se as camadas dos tecidos com imagens forem horizontais, então eles estão bem definidos na varredura. Mas, para estender todo o poder da OCT para imagens ao vivo de tecidos por todo o corpo, era necessário um método para superar a compensação entre resolução lateral e profundidade de imagem. "

OCT é uma tecnologia de imagem análoga ao ultrassom que usa luz em vez de ondas sonoras. Uma sonda dispara um feixe de luz em um tecido e, com base nos atrasos das ondas de luz conforme elas voltam, determina os limites dos recursos internos. Para obter uma imagem completa dessas estruturas, o processo é repetido em muitas posições horizontais sobre a superfície do tecido que está sendo examinado.

Como a OCT oferece uma resolução de profundidade muito melhor do que a direção lateral, funciona melhor quando esses recursos contêm principalmente camadas planas. Quando os objetos dentro do tecido têm formas irregulares, os recursos se tornam borrados e a luz refrata em diferentes direções, reduzindo a qualidade da imagem.

Tentativas anteriores de criar imagens de OCT com alta resolução lateral basearam-se na holografia - medindo meticulosamente o complexo campo eletromagnético refletido de volta do objeto. Embora isso tenha sido demonstrado, a abordagem requer que a amostra e o aparelho de imagem permaneçam perfeitamente parados na escala nanométrica durante toda a medição.

"Isso foi alcançado em um ambiente de laboratório, "disse Izatt, que também tem um cargo em oftalmologia na Duke University School of Medicine. "Mas é muito difícil de conseguir em tecidos vivos porque eles vivem, respirar, fluxo e mudança. "

No novo jornal, Izatt e seu aluno de doutorado, Kevin Zhou, adote uma abordagem diferente. Em vez de confiar na holografia, os pesquisadores combinam imagens de OCT adquiridas de vários ângulos para estender a resolução de profundidade para a dimensão lateral. Cada imagem OCT individual, Contudo, torna-se distorcido pela refração da luz por meio de irregularidades nas células e outros componentes do tecido. Para compensar esses caminhos alterados ao compilar as imagens finais, os pesquisadores precisavam modelar com precisão como a luz é curvada ao passar pela amostra.

Para realizar este feito computacional, Izatt e Zhou se voltaram para sua colega Sina Farsiu, o professor associado de engenharia Paul Ruffin Scarborough na Duke, que tem um longo histórico de uso de ferramentas de aprendizado de máquina para criar imagens melhores para aplicativos de saúde.

Trabalhando com Farsiu, Zhou desenvolveu um método usando "otimização baseada em gradiente" para inferir o índice de refração dentro das diferentes áreas do tecido com base nas imagens de múltiplos ângulos. Essa abordagem determina a direção na qual a propriedade dada - neste caso o índice de refração - precisa ser ajustada para criar uma imagem melhor. Depois de muitas iterações, o algoritmo cria um mapa do índice de refração do tecido que melhor compensa as distorções da luz. O método foi implementado usando TensorFlow, uma popular biblioteca de software criada pelo Google para aplicativos de aprendizado profundo.

"Um dos muitos motivos pelos quais considero este trabalho empolgante é que conseguimos pegar ferramentas emprestadas da comunidade de aprendizado de máquina e aplicá-las não apenas ao pós-processamento de imagens de OCT, mas também combiná-los de uma maneira nova e extrair novas informações, "disse Zhou." Acho que há muitas aplicações dessas bibliotecas de aprendizado profundo, como TensorFlow e PyTorch, fora das tarefas padrão, como classificação e segmentação de imagens. "

Para esses experimentos de prova de conceito, Zhou coletou amostras de tecido, como bexiga ou traqueia de um camundongo, colocou-os em um tubo, e girou as amostras 360 graus sob um scanner OCT. O algoritmo criou com sucesso um mapa do índice de refração de cada amostra, aumentando a resolução lateral da digitalização em mais de 300 por cento enquanto reduz o ruído de fundo na imagem final. Embora o estudo tenha usado amostras já retiradas do corpo, os pesquisadores acreditam que o OCRT pode ser adaptado para funcionar em um organismo vivo.

"Em vez de girar o tecido, uma sonda de varredura desenvolvida para esta técnica pode girar o ângulo do feixe na superfície do tecido, "disse Zhou.

Zhou já está investigando o quanto uma varredura da córnea poderia ser melhorada pela tecnologia com menos de 180 graus de varredura, e os resultados parecem promissores. Se for bem sucedido, a técnica pode ser uma bênção para muitas necessidades de imagens médicas.

"Capturar imagens de alta resolução dos tecidos de fluxo convencionais no olho é um objetivo muito procurado na oftalmologia, "disse Farsiu, referindo-se ao sistema de drenagem do humor aquoso do olho. "Ter um scanner de OCT com este tipo de resolução lateral seria muito importante para o diagnóstico precoce e encontrar novos alvos terapêuticos para o glaucoma."

"OCT já revolucionou o diagnóstico oftálmico, avançando com imagens microscópicas não invasivas da retina humana viva, "disse Izatt." Acreditamos que com novos avanços, como OCRT, o alto impacto desta tecnologia pode ser estendido não apenas para diagnósticos oftálmicos adicionais, mas para imagens de patologias em tecidos acessíveis por endoscópios, cateteres, e broncoscópios em todo o corpo. "