سیستم بافت برداری جدید برای تشخیص آسان تر سرطان کبد
به گزارش لینک بگیر پژوهشگران روسی، یک سیستم بافت برداری نوری ابداع نموده اند که می تواند به تشخیص آسان تر سرطان کبد کمک نماید.
به گزارش لینک بگیر به نقل از ایسنا و به نقل از نیوز ای تی دبلیو، پژوهشگران "دانشگاه ایالتی اوریول"(Oryol State University) در روسیه، یک سیستم بافت برداری نوری ابداع نموده اند که می تواند بین بافت سرطانی و سالم کبد تمایز قائل شود. این تکنولوژی جدید می تواند تشخیص سرطان کبد را که ششمین سرطان شایع در جهان است، آسان تر کند.
"اوگنی ژربتسوف"(Evgenii Zherebtsov)، از پژوهشگران این پروژه اظهار داشت: این فناوری بگونه ای طراحی شده است که با سوزن هایی که هم اکنون برای بافت برداری کبد استفاده می شوند، سازگار باشد. بدین ترتیب، شاید روزی بتواند به جراحان کمک نماید تا دستگاههای بافت برداری را با دقت بیشتری هدایت کنند و تعداد اشتباهات هنگام برداشتن نمونه های بافت که برای تشخیص استفاده می شوند، کاهش پیدا کند.
به گفته پژوهشگران، این سیستم بافت برداری نوری می تواند به صورت قابل اعتمادی میان سلول های سرطانی و سالم موش ها تمایز قائل شود. همچنین، این سیستم در آزمایش های ابتدایی انجام شده در افراد مشکوک به سرطان کبد، امیدوارکننده بود.
"النا پوتاپووا"(Elena Potapova)، پژوهشگر ارشد این پروژه اظهار داشت: روش های بافت برداری نوری مانند روشی که ما ابداع کرده ایم، تشخیص بافت های سالم و بافت های دارای تومور را با دقت بالایی ممکن می سازند. باآنکه سیستم ما به صورت خاص جهت استفاده در جراحی شکم طراحی شده است اما نتایج پژوهش نشان می دهند که فناوری های مشابه می توانند برای سایر کاربردهای پزشکی هم سودمند باشند.
پاسخی برای یک نیاز بالینی
پژوهشگران، این دستگاه جدید را هنگامی طراحی کردند که جراحان همکار آنها متوجه شدند که انجام دادن بافت برداری سوزنی دقیقا در محل مناسب چقدر دشوار است. تشخیص تومورها در مراحل ابتدایی، هنگام وارد کردن یک سوزن توخالی کوچک در کبد برای گرفتن نمونه بافت، دشوار است. اگر سوزن در محل نادرستی قرار داده شود و تومور را از دست بدهد، می تواند تشخیص نادرست را به همراه داشته باشد.
این سیستم بافت برداری نوری جدید، روش طیف سنجی بازتابی و "تصویربرداری از طول عمر فلورسانس"(FLIM) را برای ارزیابی نشانگرهای در رابطه با متابولیسم سلولی که در سلول های سالم و سرطانی متفاوت می باشد، ترکیب می کند. این کار می تواند به جراحان کمک نماید تا محل سرطان را در زمان واقعی ببینند و بتوانند بهترین محل را برای گرفتن نمونه بافت شناسایی کنند.
طیف سنجی بازتابی، خصوصیت های بافت را بر مبنای نحوه انعکاس نور نشان داده است. تصویربرداری از طول عمر فلورسانس، بافت ها را در معرض طول موجی از نور قرار می دهد که فلورسانس را القا می کند و سپس مدت زمان محو شدن فلورسانس را اندازه می گیرد. زمان فروپاشی فلورسانس، به حضور مولکول هایی بستگی دارد که در متابولیسم مهم هستند.
پوتاپووا اظهار داشت: باآنکه گروه ما و سایر گروههای پژوهشی، پیش تر از شدت فلورسانس برای ارزیابی بافت بهره برده اند اما بررسی های انجام شده در سایر قسمت های بدن نشان داده اند که طول عمر فلورسانس، کمتر به شرایط آزمایشی وابسته است. اندازه گیری های طول عمر فلورسانس در حضور خون و زمانی که نور یکنواخت وجود ندارد یا در صورت تغییر تماس میان کاوشگر و بافت به علت حرکت، ثابت تر باقی می ماند.
پژوهشگران با تمرکز بر استفاده از ابزار جدید برای بافت برداری های آینده، عناصر فشرده و جدیدی را برای دستگاه انتخاب کردند. کاوشگری به قطر یک میلی متر، با سوزن استاندارد بافت برداری سازگار است و کانال های نوری مجزایی برای طیف سنجی بازتابی و اندازه گیری طول عمر فلورسانس دارد.
انتقال کاوشگر به مراکز درمانی
پژوهشگران برای ارزیابی حساسیت این سیستم، ابتدا محلول های شناخته شده حاوی مولکول هایی را که نقش کلیدی در متابولیسم دارند، اندازه گیری کردند. آنها بعد از به دست آوردن نتایج رضایت بخش، آزمایش هایی را در موش های مبتلا به سرطان کبد و بیماران مشکوک به سرطان کبد انجام دادند. پژوهشگران دریافتند که ابزار آنها و پارامترهایی که اندازه گیری کرده اند، به صورت قابل اعتمادی می توانند بافت مبتلا به سرطان کبد و بافت کبد سالم را تشخیص دهند.
ژربتسوف اظهار داشت: برای ما مهم بود که یک تصویر جامع را از تغییرات مشاهده شده ناشی از سرطان در موش ها تهیه نماییم. بررسی های ما روی بیمارانی که توموری مشابه تومور موش ها داشتند، نشان داد که روش ما می تواند نتایج پایدار و قابل تکراری را عرضه نماید که میتوان از آنها برای تشخیص سرطان بهره برد.
پژوهشگران قصد دارند به اندازه گیری پارامترهای طول عمر فلورسانس در بیماران مبتلا به انواع متعدد تومور در مراحل مختلف ادامه دهند تا عوامل طبقه بندی کننده فوری را تولید کنند. همچنین، این کار می تواند استفاده از روش های پیشرفته یادگیری ماشینی را که به جراحان در تصمیم گیری بالینی طی بافت برداری کمک می کنند، ممکن سازد.
این پژوهش، در مجله "Biomedical Optics Express" به چاپ رسید.
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب