Поиск корреляций в данных спектроскопии комбинационного рассеяния, диффузного отражения и флуоресценции тканей внутричерепных опухолей

Задача построения системы поддержки принятия решений в нейроонкологии на основе оптико-спектрального анализа тканей внутричерепных опухолей сопряжена с некоторыми сложностями, свойственными работе с биомедицинскими данными. Среди них – высокая размерность вектора признаков при относительно малом объеме выборки, пропуски в данных, а также несбалансированность выборок из-за разной частоты встречаемости различных диагнозов. Анализ корреляций между признаками исследуемых опухолей позволит выполнять как восстановление пропусков в данных, так и их аугментацию (искусственное расширение обучающего набора данных путём создания модифицированных версий имеющихся примеров). В данной работе представлен анализ зависимости различных оптико-спектральных характеристик от содержания опухолевых клеток/ткани в образце и взаимных корреляций между различными признаками.

1. Bailey D., Zacharia B.E. Intraoperative imaging techniques to improve tumor detection in the surgical management of gliomas // Adv. Cancer Res. – 2025. – Vol. 166. – P. 103–135. doi: 10.1016/bs.acr.2025.05.001.

2. Рында А.Ю., Олюшин Д.М., Ростовцев Д.М. и др. Результаты микрохирургической резекции глиобластом под эндоскопическим и флуоресцентным контролем // Biomedical Photonics. – 2024. – Vol. 13. – P. 20-30. doi: 10.24931/2413-9432-2024-13-3-20-30.

3. Goryaynov S.A., Okhlopkov V.A., Golbin D.A., et al. Fluorescence Diagnosis in Neurooncology: Retrospective Analysis of 653 Cases // Front. Oncol. – 2019. – Vol. 9. – P. 830. doi: 10.3389/fonc.2019.00830.

4. Потапов А.А., Горяйнов С.А., Лощенов В.Б., и др. Интраоперационная комбинированная спектроскопия (оптическая биопсия) глиом головного мозга // Журнал «Вопросы нейрохирургии» имени Н.Н. Бурденко. – 2013. – Vol. 77. – № 2. – P. 3-10.

5. Stupak E.V., Glotov V.M., Askandaryan A.S. et al. Raman Spectroscopy in the Diagnosis of Brain Gliomas: A Literature Review // Cureus. – 2025. – Vol. 17 – P. – e79165. doi: 10.7759/cureus.79165.

6. Ospanov A., Romanishkin I., Savelieva T. et al. Optical Differentiation of Brain Tumors Based on Raman Spectroscopy and Cluster Analysis Methods // Int. J. Mol. Sci. – 2023. – Vol. 24. – P. 14432. doi: 10.3390/ijms241914432.

7. Gautam, R., Vanga, S., Ariese, F. et al. Review of multidimensional data processing approaches for Raman and infrared spectroscopy // EPJ Techn Instrum. – 2015. – Vol. 2. doi: 10.1140/epjti/s40485-015-0018-6.

8. Lee J, Huh J. Pathogen Recognition via Surface-Enhanced Raman Scattering: Self-Supervised Learning and Transfer Learning approaches // ChemRxiv. – 2025. – doi: 10.26434/chemrxiv-2025-cmr8g.

9. Riva M., Sciortino T., Secoli R. et al. Glioma biopsies Classification Using Raman Spectroscopy and Machine Learning Models on Fresh Tissue Samples // Cancers (Basel). – 2021. – Vol. 13. – P. 1073. doi: 10.3390/cancers13051073.

10. Savelieva T., Romanishkin I., Ospanov A. et al. Machine Learning and Artificial Intelligence Systems Based on the Optical Spectral Analysis in Neuro-Oncology // Photonics. – 2025. – Vol. 12. – P. 37. doi: 10.3390/photonics12010037

11. Савельева Т.А., Романишкин И.Д., Оспанов А. и др. Методы машинного обучения для анализа спектрально-разрешенных изображений в нейроонкологии. Biomedical Photonics // 2024. – Vol. 13. – P. 40-54. doi: 10.24931/2413-9432-2024-13-4-40-54.

12. Nocera G., Sanvito F., Yao J. et al. Independent histological validation of MR-derived radio-pathomic maps of tumor cell density using image-guided biopsies in human brain tumors // J Neurooncol. – 2025. doi: 10.1007/s11060-025-05105-x.

13. Romanishkin I., Savelieva T., Kosyrkova A. et al. Differentiation of glioblastoma tissues using spontaneous Raman scattering with dimensionality reduction and data classification // Front Oncol. – 2022. – Vol. 12. – 944210. doi: 10.3389/fonc.2022.944210.

14. Романишкин И.Д., Савельева Т.А., Оспанов А. и др. Классификация внутричерепных опухолей на основе оптико-спектрального анализа // Biomedical Photonics. – 2023. – Vol. 12. – P. 4-10. doi: 10.24931/2413-9432-2023-12-3-4-10

15. Романишкин И.Д., Савельева Т.А., Оспанов А. и др. Сравнение оптико-спектральных характеристик глиобластомы при интраоперационной диагностике и оптической биопсии ex vivo // Biomedical Photonics. – 2024. – Vol. 13. – P. 4-12. doi: 10.24931/2413-9432-2024-13-4-4-12

16. Zhou Y., Liu C.-H., Wu B. et al. Optical biopsy identification and grading of gliomas using label-free visible resonance Raman spectroscopy // Journal of Biomedical Optics. – 2019. – Vol. 24. – P. 095001. doi: 10.1117/1.JBO.24.9.095001.

17. Evans S.M., Judy K.D., Dunphy I. et al., Hypoxia Is Important in the Biology and Aggression of Human Glial Brain Tumors. // Clin Cancer Res. – 2004. – Vol.10. – 8177 doi: 10.1158/1078-0432.CCR-04-1081.

18. Takano S., Yoshii Y., Kondo S. et al. Concentration of vascular endothelial growth factor in the serum and tumor tissue of brain tumor patients. // Cancer Res. – 1996. – Vol. 56. – P. 2185-2190.

19. Takahashi J.A., Fukumoto M., Igarashi K. et al. Correlation of basic fibroblast growth factor expression levels with the degree of malignancy and vascularity in human gliomas. // J Neurosurg. – 1992. – Vol. 76. – P. 792-798.

20. Scatliff J.H., Radcliffe W.B., Pittman H.H., Park C.H. Vascular structure of glioblastomas. // Am J Roentgenol Radium Ther Nucl Med. – 1969. – Vol. 105. – P. 795-805.

21. Weidner N. Tumoural vascularity as a prognostic factor in cancer patients: the evidence continues to grow. // J Pathol. – 1998. – Vol. 184. – P. 119-22.

22. Brusatori M., Auner G., Noh T., et al. Intraoperative Raman Spectroscopy // Neurosurg Clin N Am. – 2017. – Vol. 28. – P. 633- 652. doi: 10.1016/j.nec.2017.05.014.

23. Aydin O., Altas M., Kahraman M. et al. Differentiation of healthy brain tissue and tumors using surface enhanced Raman scattering // Appl Spectrosc. – 2009. –Vol. 63. – P. 1095–100.

24. Mehidine H., Refregiers M., Jamme F. et al. Molecular changes tracking through multiscale fluorescence microscopy differentiate Meningioma grades and non-tumoral brain tissues // Sci Rep. – 2021. – Vol. 11. – P. 381. doi: 10.1038/s41598-020-78678-4.

25. Reichert D., Wadiura L.I., Erkkilae M.T., et al. Flavin fluorescence lifetime and autofluorescence optical redox ratio for improved visualization and classification of brain tumors // Front Oncol. – 2023. – Vol. 20. – P. 1105648. doi: 10.3389/fonc.2023.1105648.

26. Mazurek M., Szczepanek D., Orzyłowska A., Rola R. Analysis of Factors Affecting 5-ALA Fluorescence Intensity in Visualizing Glial Tumor Cells—Literature Review // International Journal of Molecular Sciences. – 2022. – Vol. 23. – P. 926. doi: 10.3390/ijms23020926

27. Kemmner W., Wan K., Rüttinger S. et al. Silencing of human ferrochelatase causes abundant protoporphyrin-IX accumulation in colon cancer // FASEB J. – 2008. – Vol. 22. – P. 500–509,

28. Kim S., Kim J.E., Kim Y.H. et al. Glutaminase 2 expression is associated with regional heterogeneity of 5-aminolevulinic acid fluorescence in glioblastoma // Sci. Rep. – 2017. – Vol. 7. – P. 12221.

29. Utsuki S., Oka, H., Fujii K. Intraoperative Photodynamic Diagnosis of Brain Tumors Using 5-Aminolevulinic Acid // In Diagnostic Techniques and Surgical Management of Brain Tumors; Abujamra, A.L., Ed.; InTech: Rijeka, Croatia, 2011. – P. 227–244

30. Ohgari Y., Nakayasu Y., Kitajima S. et al. Mechanisms involved in δ-aminolevulinic acid (ALA)-induced photosensitivity of tumor cells: Relation of ferrochelatase and uptake of ALA to the accumulation of protoporphyrin // Biochem. Pharmacol. – 2005. – Vol. 71. – P. 42–49.