Förbättra upptäckten, diagnos, och behandling av sjukdomar som cancer kommer att kräva mer detaljerad, snabb, och smidig bildteknik som kan visa läkare inte bara hur ett specifikt organ ser ut, men också vad som händer i cellerna som utgör dessa vävnader.

I forskning publicerad i Proceedings of the National Academy of Sciences , ett team från Rensselaer Polytechnic Institute utvecklade och demonstrerade en ny teknik för fluorescenslivstidsavbildning av vävnader och celler på ett snabbt och heltäckande sätt – vilket lägger grunden för användning i en klinisk miljö.

"Vi tillhandahåller verktyg som kommer att vara mycket mer mottagliga för slutanvändarna, menar biologerna, men också kirurgen, sa Xavier Intes, en professor i biomedicinsk teknik som ledde denna forskning för Rensselaer.

Fluorescenslivstidsavbildning har länge varit ett användbart sätt för forskare och ingenjörer att se interaktioner på molekylär nivå inom celler – ett nödvändigt verktyg när man försöker identifiera cancer och andra sjukdomar, och utvärdera läkemedels effektivitet.

Traditionellt, Intes sa, att producera en bild på detta sätt har krävt mycket tid och komplexa matematiska verktyg som är mycket beroende av användaren, vilket gör det svårt att producera konsekventa och reproducerbara bilder. Dessa svårigheter har varit hinder för att använda denna typ av bildbehandling i en klinisk miljö.

För att övervinna dessa utmaningar, Rensselaer-teamet designade ett djupt neuralt nätverk (DNN) för att automatiskt ställa in de matematiska parametrar som en människa normalt skulle göra, samtidigt som den producerar en detaljerad bild som kan visa interaktioner i celler eller vävnad när de sker.

Detta arbete bygger på Rensselaer-teamets tidigare forskning, där de utvecklade en metod för att snabbt rekonstruera en enda livstidsbild. Detta nya tillvägagångssätt rekonstruerar flera livstidsbilder samtidigt, ger en övergripande bild av flera biologiska processer som sker i vävnaden och cellerna, sa Pingkun Yan, en biträdande professor i biomedicinsk teknik och medlem av Center for Biotechnology and Interdisciplinary Studies, som också arbetat med denna forskning.

Laget, i samarbete med biologer vid Albany Medical College, testade denna nya teknik genom att avbilda cancerceller under mikroskopet och i levande system. Vad de observerade, Intes sa, var att deras DNN presterade lika bra som, eller i vissa fall bättre än, kommersiell programvara som används för närvarande. Teamet fann också att denna teknik krävde mindre ljus samtidigt som den producerade detaljerade bilder, vilket är avgörande för biologiska tillämpningar.

Forskarnas framgång för fältet närmare att kunna använda fluorescenslivstidsavbildning i en klinisk miljö för att utvärdera effektiviteten av ett visst läkemedel på en persons individuella cancerceller – ett nyckelverktyg som behövs för att möjliggöra precisionsmedicin.

Forskarna kunde också använda denna DNN för att visualisera aktivitetsnivån i celler, en process som kallas metabolisk avbildning. Detta tillvägagångssätt skulle kunna hjälpa kirurger i operationssalen när de arbetar med att identifiera vilken vävnad som är frisk, och som är sjuk och bör avlägsnas.

"Detta är en möjliggörande teknik för många kliniska tillämpningar. Till exempel, den kan användas för in vivo realtidsavbildning av en tumör, som kan hjälpa kirurger att se lesionen under sina ingrepp, gör det möjligt för dem att helt ta bort cancervävnad med minimal skada på frisk vävnad, " sa Yan.