Identificação de tecido tumoral em amostras patológicas finas via laser de femtosegundo

Scientific Reports volume 13, Número do artigo: 9250 (2023) Citar este artigo

81 Acessos

2 Altmétrica

Detalhes das métricas

No tratamento da maioria dos tumores sólidos cancerígenos recém-descobertos, a cirurgia continua sendo a primeira opção de tratamento. Um fator importante para o sucesso dessas operações é a identificação precisa de margens de segurança oncológicas para garantir a remoção completa do tumor sem afetar muito o tecido saudável vizinho. Aqui, relatamos a possibilidade de aplicar espectroscopia de quebra induzida por laser de femtosegundo (LIBS) combinada com algoritmos de aprendizado de máquina como uma técnica de discriminação alternativa para diferenciar tecido canceroso. Os espectros de emissão após a ablação em amostras pós-operatórias finas de fígado e mama foram registrados com alta resolução espacial; as seções coradas adjacentes serviram como referência para a identificação do tecido pela análise patológica clássica. Em um teste de prova de princípio realizado em tecido hepático, redes neurais artificiais e algoritmos de floresta aleatória foram capazes de diferenciar tecido saudável e tumoral com uma precisão de classificação muito alta de cerca de 0,95. A capacidade de identificar tecidos desconhecidos foi realizada em amostras de mama de diferentes pacientes, proporcionando também um alto nível de discriminação. Nossos resultados mostram que LIBS com lasers de femtossegundos é uma técnica com potencial para ser utilizada em aplicações clínicas para identificação rápida do tipo de tecido no campo cirúrgico intraoperatório.

A cirurgia continua sendo a principal linha de ataque para erradicar o câncer descoberto em seus estágios iniciais. A maioria dos tumores sólidos recém-diagnosticados é removida cirurgicamente, esperando-se a cura completa ou pelo menos o prolongamento da expectativa de vida do paciente1. As células cancerígenas deixadas após a operação (por exemplo, por margens positivas da amostra de ressecção) podem gerar recorrências locais ou metástases ao longo do tempo, sendo um dos principais fatores que determinam a taxa de sobrevivência de um paciente. Em muitos casos, são necessárias intervenções cirúrgicas subsequentes para remover o tecido neoplásico recém-formado ou terapias adjuvantes (radioterapia ou quimioterapia), que têm muitos efeitos colaterais. Os resultados da cirurgia são predominantemente determinados pela experiência da equipe médica realizando a intervenção oncológica: o objetivo é remover completamente as células malignas (para evitar novas recorrências) e preservar o máximo de tecido possível do órgão afetado, para não degradar sua funcionalidade. Na prática, as margens de segurança oncológicas variam entre 2 mm e 1 cm, dependendo do tipo de câncer e da localização do tumor2. A localização de alta precisão do tumor é de importância crucial para o sucesso da operação. A equipe cirúrgica pode usar as informações obtidas antes da operação a partir de técnicas de imagem (tomografia por ressonância magnética, tomografia computadorizada por raios X ou ultrassom), mas no campo operatório, as decisões são baseadas principalmente em informações visuais e táteis. Muitas vezes, para decidir se o tecido maligno foi completamente removido, o exame anatomopatológico intraoperatório em uma amostra congelada é usado. Este procedimento requer várias dezenas de minutos e, em caso de incerteza, aumentaria significativamente o tempo de operação, aumentando o risco de complicações. Por isso, é altamente desejável uma técnica alternativa ou complementar com estabelecimento rápido e preciso do tipo de tecido operado.

Nos últimos anos, várias técnicas inovadoras têm sido investigadas para análise in vivo. Técnicas de espectroscopia de massa, nas quais são medidos valores de massa/carga para diferentes fragmentos moleculares resultantes da decomposição local do tecido, já foram testadas in vivo para identificar diferentes tipos de câncer3,4,5. Paralelamente a estas, técnicas ópticas, como a tomografia de coerência óptica6,7, a espectroscopia Raman8,9,10 e a espectroscopia de ruptura induzida por laser (LIBS), têm sido investigadas devido à sua portabilidade e alta precisão espacial. Mesmo que as primeiras tentativas de usar LIBS para detectar tecido cancerígeno datam de quase duas décadas11, o desenvolvimento nos últimos anos de algoritmos de Machine Learning (ML) para interpretar um grande volume de dados experimentais intensificou esses estudos12. A técnica LIBS analisa os espectros de emissão do plasma criado por lasers focados na superfície dos materiais. Tem a vantagem de produzir resultados rápidos em uma ampla variedade de amostras que não requerem um pré-tratamento complicado. No processo LIBS, o material é ionizado e é produzido plasma, que ao esfriar emitirá radiação específica dos elementos químicos existentes no material. Muitos estudos que tentam identificar diferentes tipos de tecido maligno são realizados usando lasers de nanossegundos12,13,14,15,16,17,18,19,20,21,22, produzindo plasma de alta temperatura com danos térmicos significativos na amostra e uma diminuição na resolução espacial23. Em estudos anteriores, mostramos que os pulsos de femtosegundo (fs) podem ser usados ​​para análise LIBS in situ/in vivo de precisão de tecido biológico23 e amostras técnicas24, permitindo uma resolução espacial da ordem de mícrons e abaixo de 25. Aplicações de fs-LIBS em diferentes tecidos biológicos são apresentados em vários estudos (Ref.26 e referências nele contidas), mas seu uso na detecção de tecido cancerígeno tem sido menos investigado12,27,28,29.