Un nuevo microscopio llamado DeepDOF utiliza inteligencia artificial para obtener imágenes de forma rápida y económica de todas las células en grandes secciones de tejido (izquierda) en alta resolución con una preparación mínima. eliminando el costoso y lento proceso de montar láminas delgadas de tejido en portaobjetos (derecha). Crédito:Brandon Martin / Rice University
Cuando los cirujanos extirpan el cáncer, una de las primeras preguntas es, "¿Lo consiguieron todo?" Investigadores de la Universidad de Rice y el Centro Oncológico MD Anderson de la Universidad de Texas han creado un nuevo microscopio que puede obtener imágenes de grandes secciones de tejido de forma rápida y económica. potencialmente durante la cirugía, para encontrar la respuesta.
El microscopio puede obtener imágenes rápidamente de piezas de tejido relativamente gruesas con resolución celular, y podría permitir a los cirujanos inspeccionar los márgenes de los tumores a los pocos minutos de su extirpación. Fue creado por ingenieros y físicos aplicados en Rice y se describe en un estudio publicado esta semana en el procedimientos de la Academia Nacional de Ciencias .
"El objetivo principal de la cirugía es eliminar todas las células cancerosas, pero la única forma de saber si tiene todo es observar el tumor con un microscopio, "dijo Mary Jin de Rice, un doctorado estudiante de ingeniería eléctrica e informática y coautor principal del estudio. "Hoy dia, Solo puede hacer eso cortando primero el tejido en secciones extremadamente delgadas y luego obteniendo imágenes de esas secciones por separado. Este proceso de corte requiere un equipo costoso y la obtención de imágenes posteriores de múltiples cortes requiere mucho tiempo. Nuestro proyecto busca básicamente obtener imágenes de grandes secciones de tejido directamente, sin ningún corte ".
Microscopio de profundidad de campo extendido de aprendizaje profundo de Rice, o DeepDOF, hace uso de una técnica de inteligencia artificial conocida como aprendizaje profundo para entrenar un algoritmo informático para optimizar tanto la recopilación de imágenes como el posprocesamiento de imágenes.
Con un microscopio típico, hay una compensación entre la resolución espacial y la profundidad de campo, lo que significa que solo las cosas que están a la misma distancia del objetivo pueden enfocarse claramente. Las características que estén incluso unas millonésimas de metro más cerca o más lejos del objetivo del microscopio aparecerán borrosas. Por esta razón, Las muestras de microscopio son típicamente delgadas y se montan entre portaobjetos de vidrio.
Los portaobjetos se utilizan para examinar los márgenes tumorales en la actualidad, y no son fáciles de preparar. El tejido extraído generalmente se envía al laboratorio del hospital, donde los expertos lo congelan o lo preparan con productos químicos antes de hacer rebanadas delgadas como una navaja y montarlas en portaobjetos. El proceso lleva mucho tiempo y requiere equipos especializados y trabajadores con formación especializada. Es raro que los hospitales tengan la capacidad de examinar los portaobjetos en busca de márgenes tumorales durante la cirugía, y los hospitales de muchas partes del mundo carecen del equipo y la experiencia necesarios.
"Los métodos actuales para preparar el tejido para la evaluación del estado de los márgenes durante la cirugía no han cambiado significativamente desde que se introdujeron por primera vez hace más de 100 años, "dijo la coautora del estudio, Ann Gillenwater, MARYLAND., profesor de cirugía de cabeza y cuello en MD Anderson. "Al llevar la capacidad de evaluar con precisión el estado de los márgenes a más sitios de tratamiento, el DeepDOF tiene el potencial de mejorar los resultados de los pacientes con cáncer tratados con cirugía ".
El doctorado de Jin tutor, el coautor correspondiente del estudio, Ashok Veeraraghavan, dijo que DeepDOF utiliza un microscopio óptico estándar en combinación con una máscara de fase óptica económica que cuesta menos de $ 10 para obtener imágenes de piezas enteras de tejido y ofrecer profundidades de campo hasta cinco veces mayores que los microscopios de última generación.
"Tradicionalmente, Los equipos de imágenes, como cámaras y microscopios, están diseñados por separado del software y los algoritmos de procesamiento de imágenes. "dijo el coautor principal del estudio, Yubo Tang, investigadora asociada postdoctoral en el laboratorio de la coautora correspondiente Rebecca Richards-Kortum. "DeepDOF es uno de los primeros microscopios diseñado con el algoritmo de posprocesamiento en mente".
La máscara de fase se coloca sobre el objetivo del microscopio para modular la luz que ingresa al microscopio.
"La modulación permite un mejor control del desenfoque dependiente de la profundidad en las imágenes capturadas por el microscopio, "dijo Veeraraghavan, experto en imágenes y profesor asociado en ingeniería eléctrica e informática en Rice. "Ese control ayuda a garantizar que los algoritmos de desvanecimiento que se aplican a las imágenes capturadas recuperen fielmente la información de textura de alta frecuencia en un rango de profundidades mucho más amplio que los microscopios convencionales".
DeepDOF hace esto sin sacrificar la resolución espacial, él dijo.
Una sección de tejido de cerdo durante la obtención de imágenes con el "microscopio de profundidad de campo extendido de aprendizaje profundo de Rice, ”O DeepDOF. Crédito:Brandon Martin / Rice University
"De hecho, tanto el patrón de máscara de fase como los parámetros del algoritmo de desvanecimiento se aprenden juntos utilizando una red neuronal profunda, lo que nos permite mejorar aún más el rendimiento, "Dijo Veeraraghavan.
DeepDOF utiliza una red neuronal de aprendizaje profundo, un sistema experto que puede aprender a tomar decisiones similares a las humanas mediante el estudio de grandes cantidades de datos. Para entrenar DeepDOF, los investigadores lo mostraron 1, 200 imágenes de una base de datos de portaobjetos histológicos. A partir de ese, DeepDOF aprendió cómo seleccionar la máscara de fase óptima para obtener imágenes de una muestra en particular y también aprendió cómo eliminar el desenfoque de las imágenes que captura de la muestra, enfocando células de diferentes profundidades.
"Una vez impresa e integrada en el microscopio la máscara de fase seleccionada, el sistema captura imágenes en una sola pasada y el algoritmo ML (aprendizaje automático) realiza el desborde, "Dijo Veeraraghavan.
Richards-Kortum, Profesor de la Universidad Malcolm Gillis de Rice, profesor de bioingeniería y director del Rice 360 ° Institute for Global Health, dijo que DeepDOF puede capturar y procesar imágenes en tan solo dos minutos.
"Validamos la tecnología y mostramos una prueba de principio, "Dijo Richards-Kortum." Se necesita un estudio clínico para averiguar si DeepDOF se puede utilizar como se propone para la evaluación de los márgenes durante la cirugía. Esperamos comenzar la validación clínica el próximo año ".