Искусственный нос, разработанный в Университете Тампере, Финляндия, помогает нейрохирургам идентифицировать раковые ткани во время операции и позволяет более точно удалять опухоли.
Электрохирургическая резекция с использованием таких устройств, как электрический нож или диатермическое лезвие, в настоящее время широко используется в нейрохирургии. Когда ткань сгорает, молекулы ткани рассеиваются в виде хирургического дыма. В методе, разработанном исследователями Университета Тампере, хирургический дым подается в новый тип измерительной системы, которая может идентифицировать злокачественную ткань и отличать ее от здоровой ткани.
Недавно в Journal of Neurosurgery была опубликована статья об использовании хирургического дыма для выявления опухолей головного мозга.
«В современной клинической практике анализ замороженных срезов является золотым стандартом для интраоперационной идентификации опухоли. В этом методе небольшой образец опухоли предоставляется патологоанатому во время операции», — говорит исследователь Илкка Хаапала из Университета Тампере.
Патологоанатом проводит микроскопический анализ образца и звонит в операционную, чтобы сообщить о результатах.
«Наш новый метод предлагает, как перспективный способ выявления злокачественной ткани в режиме реального времени, так и возможность исследования нескольких образцов из разных точек опухоли», — объясняет Хаапала.
«Специфическое преимущество оборудования заключается в том, что оно может быть подключено к инструментам, уже имеющимся в нейрохирургических операционных», — отмечает Хаапала.
Технология основана на дифференциальной спектрометрии подвижности (differential mobility spectrometry — DMS), при которой ионы дымовых газов подаются в электрическое поле. Распределение ионов в электрическом поле является тканеспецифичным, и ткань может быть идентифицирована на основе полученного «запаха отпечатка пальца».
В ходе исследования было проанализировано 694 образца тканей, взятых из 28 опухолей головного мозга и контрольных образцов.
Используемое оборудование было разработано специально для данного исследования. Он состоит из системы машинного обучения, которая анализирует дымовой газ с помощью технологии DMS, и электрического ножа, который используется для получения дымового газа из тканей.
Точность классификации системы составила 83% при анализе всех образцов. Точность улучшилась при более ограниченных настройках. При сравнении опухолей низкой злокачественности (глиом) с контрольными образцами точность классификации системы составила 94%, достигнув 97% чувствительности и 90% специфичности.
Источник: University of Tampere