چهارشنبه ۲۱ آذر ۱۴۰۳ - 2024 December 11 - ۸ جمادی الثانی ۱۴۴۶
۲۰ دی ۱۴۰۰ - ۰۹:۴۸

سیستم بافت‌برداری جدید برای تشخیص آسان‌تر سرطان کبد

ایران اکونومیست-پژوهشگران روسی، یک سیستم بافت‌برداری نوری ابداع کرده‌اند که می‌تواند به تشخیص آسان‌تر سرطان کبد کمک کند.
سیستم بافت‌برداری جدید برای تشخیص آسان‌تر سرطان کبد
کد خبر: ۴۰۰۷۶۴

 پژوهشگران "دانشگاه ایالتی اوریول" (Oryol State University) در روسیه، یک سیستم بافت‌برداری نوری ابداع کرده‌اند که می‌تواند بین بافت سرطانی و سالم کبد تمایز قائل شود. این فناوری جدید می‌تواند تشخیص سرطان کبد را که ششمین سرطان شایع در جهان است، آسان‌تر کند.

"اوگنی ژربتسوف" (Evgenii Zherebtsov)، از پژوهشگران این پروژه گفت: این فناوری به گونه‌ای طراحی شده است که با سوزن‌هایی که در حال حاضر برای بافت‌برداری کبد استفاده می‌شوند، سازگار باشد. بدین ترتیب، شاید روزی بتواند به جراحان کمک کند تا دستگاه‌های بافت‌برداری را با دقت بیشتری هدایت کنند و تعداد اشتباهات هنگام برداشتن نمونه‌های بافت که برای تشخیص استفاده می‌شوند، کاهش یابد.

به گفته پژوهشگران، این سیستم بافت‌برداری نوری می‌تواند به صورت قابل اعتمادی میان سلول‌های سرطانی و سالم موش‌ها تمایز قائل شود. همچنین، این سیستم در آزمایش‌های ابتدایی انجام‌شده در افراد مشکوک به سرطان کبد، امیدوارکننده بود.

"النا پوتاپووا" (Elena Potapova)، پژوهشگر ارشد این پروژه گفت: روش‌های بافت‌برداری نوری مانند روشی که ما ابداع کرده‌ایم، تشخیص بافت‌های سالم و بافت‌های دارای تومور را با دقت بالایی ممکن می‌سازند. اگرچه سیستم ما به طور خاص برای استفاده در جراحی شکم طراحی شده است، اما نتایج پژوهش نشان می‌دهند که فناوری‌های مشابه می‌توانند برای سایر کاربرد‌های پزشکی نیز سودمند باشند.

پژوهشگران، این دستگاه جدید را هنگامی طراحی کردند که جراحان همکار آن‌ها متوجه شدند که انجام دادن بافت‌برداری 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، می‌تواند تشخیص نادرست را به همراه داشته باشد.

این سیستم بافت‌برداری نوری جدید، روش طیف‌سنجی بازتابی و "تصویربرداری از طول عمر فلورسانس" (FLIM) را برای ارزیابی نشانگر‌های مرتبط با متابولیسم سلولی که در سلول‌های سالم و سرطانی متفاوت است، ترکیب می‌کند. این کار می‌تواند به جراحان کمک کند تا محل سرطان را در زمان واقعی ببینند و بتوانند بهترین محل را برای گرفتن نمونه بافت شناسایی کنند.

طیف‌سنجی بازتابی، ویژگی‌های بافت را بر اساس نحوه انعکاس نور نشان می‌دهد. تصویربرداری از طول عمر فلورسانس، بافت‌ها را در معرض طول موجی از نور قرار می‌دهد که فلورسانس را القا می‌کند و سپس مدت زمان محو شدن فلورسانس را اندازه می‌گیرد. زمان فروپاشی فلورسانس، به حضور مولکول‌هایی بستگی دارد که در متابولیسم مهم هستند.

پوتاپووا گفت: اگرچه گروه ما و سایر گروه‌های پژوهشی، پیشتر از شدت فلورسانس برای ارزیابی بافت استفاده کرده‌اند، اما بررسی‌های انجام‌شده در سایر قسمت‌های بدن نشان داده‌اند که طول عمر فلورسانس، کمتر به شرایط آزمایشی وابسته است. اندازه‌گیری‌های طول عمر فلورسانس در حضور خون و زمانی که نور یکنواخت وجود ندارد یا در صورت تغییر تماس میان کاوشگر و بافت به دلیل حرکت، ثابت‌تر باقی می‌ماند.

پژوهشگران با تمرکز بر استفاده از ابزار جدید برای بافت‌برداری‌های آینده، عناصر فشرده و جدیدی را برای دستگاه انتخاب کردند. کاوشگری به قطر یک میلی‌متر، با سوزن استاندارد بافت‌برداری سازگار است و کانال‌های نوری مجزایی برای طیف‌سنجی بازتابی و اندازه‌گیری طول عمر فلورسانس دارد.
انتقال کاوشگر به مراکز درمانی

پژوهشگران برای ارزیابی حساسیت این سیستم، ابتدا محلول‌های شناخته شده حاوی مولکول‌هایی را که نقش کلیدی در متابولیسم دارند، اندازه گیری کردند. آن‌ها پس از به دست آوردن نتایج رضایت‌بخش، آزمایش‌هایی را در موش‌های مبتلا به سرطان کبد و بیماران مشکوک به سرطان کبد انجام دادند. پژوهشگران دریافتند که ابزار آن‌ها و پارامتر‌هایی که اندازه‌گیری کرده‌اند، به طور قابل اعتمادی می‌توانند بافت مبتلا به سرطان کبد و بافت کبد سالم را تشخیص دهند.

ژربتسوف گفت: برای ما مهم بود که یک تصویر جامع را از تغییرات مشاهده شده ناشی از سرطان در موش‌ها تهیه کنیم. بررسی‌های ما روی بیمارانی که توموری مشابه تومور موش‌ها داشتند، نشان داد که روش ما می‌تواند نتایج پایدار و قابل تکراری را ارائه دهد که می‌توان از آن‌ها برای تشخیص سرطان استفاده کرد.

پژوهشگران قصد دارند به اندازه‌گیری پارامتر‌های طول عمر فلورسانس در بیماران مبتلا به انواع گوناگون تومور در مراحل مختلف ادامه دهند تا عوامل طبقه‌بندی‌کننده فوری را تولید کنند. همچنین، این کار می‌تواند استفاده از روش‌های پیشرفته یادگیری ماشینی را که به جراحان در تصمیم‌گیری بالینی طی بافت‌برداری کمک می‌کنند، ممکن سازد.

این پژوهش، در مجله "Biomedical Optics Express" به چاپ رسید.

آخرین اخبار