Классификация внутричерепных опухолей на основе оптико-спектрального анализа

Мотивацией проведения настоящего исследования послужила необходимость развития методов срочной интраоперационной биопсии при проведении операций по поводу удаления внутричерепных опухолей. На основании опыта предыдущей совместной работы ИОФ РАН и НМИЦ нейрохирургии  им. Н.Н. Бурденко по внедрению в клиническую практику методов флуоресцентной спектроскопии был разработан подход, комбинирующий различные оптико-спектральные  методики, такие как спектроскопия  аутофлуоресценции, флуоресценции  5-АЛК индуцированного  протопорфирина  IX, диффузного  отражения  широкополосного излучения,  по которому можно определять концентрацию гемоглобина в тканях и их оптическую  плотность,  спектроскопия  комбинационного  рассеяния, являющаяся методом молекулярной спектроскопии, позволяющим детектировать различные молекулы в тканях за счета колебаний отдельных характерных связей в молекулах. Такое разнообразие оптико-спектральных характеристик  затрудняет их непосредственный анализ хирургом во время операции, как это обычно реализуется в случае флуоресцентных методов – по превышению некоторого порога интенсивности флуоресценции с определенной степенью достоверности можно судить о том, находится ли в зоне исследования нормальная или опухолевая ткань. В случае, если число параметров превышает пару десятков, необходимо использование алгоритмов машинного обучения для построения  системы поддержки принятия  решений хирурга  во время операции. Настоящая работа представляет исследования в этом направлении. Проведенный нами ранее статистический  анализ данных оптико-спектральных характеристик  позволил выделить статистически  значимые спектральные диапазоны для анализа, репрезентирующие  диагностически  важные компоненты тканей. Исследования методов понижения размерности вектора оптико-спектральных признаков  и методов кластеризации исследуемых образцов также позволили приблизиться к реализации метода автоматической классификации. Важно отметить, что задача классификации может быть использована в двух приложениях – для дифференциации различных опухолей и для дифференциации различных частей одной (центр, перифокальная зона, норма) опухоли. В настоящей работе представлены результаты наших исследований в первом направлении. Мы исследовали сочетание нескольких методов и показали возможность дифференциации глиальных и менингеальных опухолей на основании предложенного метода оптико-спектрального анализа.

1. Majós C., Julià-Sapé M., Alonso J. et al. Brain tumor classification by proton MR spectroscopy: comparison of diagnostic accuracy at short and long TE, AJNR. American journal of neuroradiology, 2004, vol. 25(10), pp. 1696–1704.

2. Gao P., Shan W., Guo Y. et al. Development and Validation of a Deep Learning Model for Brain Tumor Diagnosis and Classification Using Magnetic Resonance Imaging, JAMA Network Open, 2022, vol. 5(8), pp. e2225608. doi: 10.1001/jamanetworkopen.2022.25608.

3. Rynda A. Yu., Rostovtsev D. M., Olyushin V. E. et al. Therapeutic pathomorphosis in malignant glioma tissues after photodynamic therapy with сhlorin e6 (reports of two clinical cases), Biomedical Photonics, 2020, vol. 9(2), pp. 45–54. doi: 10.24931/2413-94322020-9-2-45-54.

4. Kozlikina E. I., Trifonov I. S., Sinkin M. V. et al. The Combined Use of 5-ALA and Chlorin e6 Photosensitizers for Fluorescence-Guided Resection and Photodynamic Therapy under Neurophysiological Control for Recurrent Glioblastoma in the Functional Motor Area after Ineffective Use of 5-ALA: Preliminary Results, Bioengineering, 2022, vol. 9(3), pp. 104. doi: 10.3390/bioengineering9030104.

5. Valdés P. A., Leblond F., Kim A. et al. Quantitative fluorescence in intracranial tumor: implications for ALA-induced PpIX as an intraoperative biomarker: Clinical article, Journal of Neurosurgery, 2011, vol. 115(1), pp. 11–17. doi: 10.3171/2011.2.JNS101451.

6. Valdés P. A., Jacobs V., Harris B. T. et al. Quantitative fluorescence using 5-aminolevulinic acid-induced protoporphyrin IX biomarker as a surgical adjunct in low-grade glioma surgery, Journal of Neurosurgery, 2015, vol. 123(3), pp. 771–780. doi: 10.3171/2014.12.JNS14391.

7. Stepp H., Stummer W. 5‐ALA in the management of malignant glioma, Lasers in Surgery and Medicine, 2018, vol. 50(5), pp. 399–419. doi: 10.1002/lsm.22933.

8. Rynda A. Yu., Olyushin V. E., Rostovtsev D. M. et al. Fluorescent diagnostics with chlorin e6 in surgery of low-grade glioma, Biomedical Photonics, 2021, vol. 10(4), pp. 35–43. doi: 10.24931/2413-9432-2021-10-4-35-43.

9. Hollon T., Lewis S., Freudiger C. W. et al. Improving the accuracy of brain tumor surgery via Raman-based technology, Neurosurgical Focus, 2016, vol. 40(3), pp. E9. doi: 10.3171/2015.12.FOCUS15557.

10. Pekmezci M., Morshed R. A., Chunduru P. et al. Detection of glioma infiltration at the tumor margin using quantitative stimulated Raman scattering histology, Scientific Reports, 2021, vol. 11(1), pp. 12162. doi: 10.1038/s41598-021-91648-8.

11. Potapov A. A., Goriaĭnov S. A., Loshchenov V. B. et al. Intraoperative combined spectroscopy (optical biopsy) of cerebral gliomas, Zhurnal Voprosy Neirokhirurgii Imeni N.N. Burdenko, 2013, vol. 77(2), pp. 3–10.

12. Savelieva T. A., Romanishkin I. D., Maklygina Y. S. et al. Optical biopsy: fundamentals and applications in neurosurgery, Journal of Physics: Conference Series, 2021, vol. 2058(1), pp. 012024. doi: 10.1088/1742-6596/2058/1/012024.

13. Romanishkin I. D., Ospanov A., Savelyeva T. A. et al. Multimodal Method of Tissue Differentiation in Neurooncology Using Raman Spectroscopy, Fluorescence and Diffuse Reflectance Spectroscopy, Zhurnal Voprosy Neirokhirurgii Imeni N.N. Burdenko, 2022, vol. 86(5), pp. 5–12. doi: 10.17116/neiro2022860515.

14. Goryaynov S. A., Okhlopkov V. A., Golbin D. A. et al. Fluorescence Diagnosis in Neurooncology: Retrospective Analysis of 653 Cases, Frontiers in Oncology, 2019, vol. 9, pp. 830. doi: 10.3389/fonc.2019.00830.

15. Ospanov A., Romanishkin I., Savelieva T. et al. Optical Differentiation of Brain Tumors Based on Raman Spectroscopy and Cluster Analysis Methods, International Journal of Molecular Sciences, 2023, vol. 24(19), pp. 14432. doi: 10.3390/ijms241914432.

16. Romanishkin I., Savelieva T., Kosyrkova A. et al. Differentiation of glioblastoma tissues using spontaneous Raman scattering with dimensionality reduction and data classification, Frontiers in Oncology, 2022, vol. 12, pp. 944210. doi: 10.3389/fonc.2022.944210.