Etiketsiz çoklu foton mikroskopisi ve hepatosellüler karsinomu tanıma için makine öğrenimi

Karaciğer kanseri olan kişiler için bunun önemi

Karaciğer kanseri, özellikle hepatosellüler karsinom, yaygın ve ölümcül bir hastalık olup cerrahi genellikle tedavi şansı sunan tek seçenek olabiliyor. Ameliyat sırasında cerrahlar tüm tümörü çıkarırken mümkün olduğunca sağlıklı karaciğeri korumalı; hastalıklı karaciğer dokusu zaten anormal göründüğünde bu zor bir denge gerektirir. Bu çalışma, gelişmiş lazer mikroskopisini yapay zeka ile birleştirerek, boya ya da uzun laboratuvar işlemleri gerektirmeden ameliyat sırasında kanseri gerçek zamanlı “görmenin” yeni bir yolunu araştırıyor. Amaç, cerrahların tümörün gerçek sınırını daha hızlı ve daha doğru şekilde bulmasına yardımcı olmak; böylece hastalar için sonuçların iyileşme potansiyeli vardır.

Dokuyu özel ışıkla incelemek

Araştırmacılar, dokudaki doğal molekülleri parlatmak veya sinyal üretmek için çok kısa lazer darbelerine dayanan çoklu foton mikroskopisi adı verilen bir teknik kullandı. Boya veya kontrast maddesi eklemek yerine yöntem zaten olanı okuyor: yağlar, kollajen lifleri ve hücre içindeki doğal olarak floresan maddeler. Karaciğer örneklerindeki her küçük görüş alanından üç tür sinyal kaydedildi: lipidlere vurgu yapan bir sinyal, NADH ve A vitamini benzeri moleküllerden gelen otofloresansı gösteren bir sinyal ve sert kollajen liflerini ortaya çıkaran bir sinyal. Birlikte, bu sinyaller hem tek tek hücreleri hem de karaciğer dokusu ve tümörlerin genel mimarisini gösteren renkli, yüksek çözünürlüklü görüntüler oluşturuyor.

Karaciğer kanserinin çok sayıdaki yüzünü yakalamak

Takım, karaciğer kanseri nedeniyle ameliyat olan 76 hastanın dokusunu, hem tümörü hem de çevresindeki karaciğeri inceleyerek değerlendirdi. Bu etiketsiz görüntülemenin hepatosellüler karsinomun ince ya da kalın hücre plakları, katı tabakalar ve bez benzeri yapılar gibi klasik büyüme örüntülerini tasvir edebildiğini gösterdiler. Ayrıca kronik karaciğer hastalığı olan hastalarda sık görülen yağ birikimi ve skarlaşma dahil çevre karaciğerdeki değişiklikleri de ortaya koyuyor. Önemli olarak, bu desenler nispeten düşük çözünürlükte alındığında bile görünür durumdaydı; bu da gelecekte vücut içindeki endoskopik cihazların sağlayabileceğine benzer düzeydeydi. Bu, yaklaşımın sadece laboratuvarda değil ameliyathanede de pratik olabileceğini gösteriyor.

Bilgisayara tümör sınırını öğretmek

Zengin ama karmaşık görüntüleri hızlı kararlara dönüştürmek için bilim insanları her görüntüyü piksellerin düz, kaba veya değişken olup olmadığını anlatan doku özelliklerini tanımlayan sayılara çevirdi. Her görüntü kanalı için 17 böyle ölçüm hesaplandı ve ardından yaklaşık 35 hastadan elde edilen 25.000 civarı görüntü üzerinde tümör dokusunu kanserli olmayan karaciğerden ayırt etmek üzere bir sinir ağı eğitildi. Model daha sonra başka 38 hastadan alınan yaklaşık 27.000 yeni görüntü üzerinde test edildi. Bilgisayar otofloresans ve kollajen-eşli sinyallerinin kombinasyonunu kullandığında, görüntüleri tümör veya normal olarak doğru etiketleme oranı yaklaşık her 100 vakadan 97 idi. Hızlı dondurulmuş kesitlerde patolojistler için tanıması zor olabilen en ince, iyi farklılaşmış tümörler bile yüksek doğrulukla sınıflandırıldı.

Işık desenlerinin kanser hakkında gösterdikleri

Farklı sinyal kombinasyonlarını karşılaştırarak çalışma, otofloresansın kanser ile kanser olmayanı ayırt etmede en faydalı bilgiyi taşıdığını buldu. Bu parlama hücre içindeki birçok doğal molekülden ve elastin ile kollajen gibi yapılardan kaynaklandığı için hücre yoğunluğunu, çekirdek boyutu ve şeklini (daha koyu alanlar olarak görülen), yağ damlacıklarını ve çevre dokunun bileşimini kodlar. Kollajene özgü sinyalin eklenmesi, liflerin ve damarların düzenlenmesindeki bilinen farklılıkları yansıtarak tümör ile arka plan karaciğer arasındaki kontrastı daha da netleştirdi. Beklenmedik şekilde, lipidlere odaklanan sinyal otomatik sınıflandırmaya daha az katkıda bulundu; bu pratik bir içgörü sağlayarak daha karmaşık iki ışınlı kurulumlar yerine tek lazer demetiyle çalışabilecek daha basit cihaz tasarımlarına olanak tanıyabilir.

Laboratuvardan ameliyathaneye

Gerçek cerrahi kullanımı taklit etmek için ekip, en iyi modellerini aynı zamanda tümör ile karaciğer arasındaki gerçek sınırı içeren doku örneklerine uyguladı ve kanserin durduğu ve normal dokunun başladığı yerleri vurgulayan olasılık haritaları oluşturdu. Bu haritalar genel olarak geleneksel histoloji ile iyi bir uyuşma gösterdi, ancak aşırı yağlı ya da kollajença zengin bölgeler zaman zaman sınıflandırıcıyı şaşırttı. Yazarlar, bu teknoloji canlı ameliyatları yönlendirebilmeden önce optik görüntülemenin sınırlı derinliği, sağlam steril endoskoplara ihtiyaç, cerrahi alandaki hareket ve kan ve yapay zekinin büyük, gerçek dünya veri setleri üzerinde doğrulanması zorluğu gibi kalan engelleri not ediyorlar. Yine de çalışma, etiketsiz çoklu foton görüntülemenin makine öğrenimi ile birleştiğinde, bir gün cerrahların daha hassas ve güvenli kesiler yapmasına yardımcı olabilecek hızlı, dijital bir mikroskop gibi davranabileceğini; tüm kanserin çıkarılma şansını artırırken mümkün olduğunca sağlıklı karaciğerin korunmasına katkıda bulunabileceğini gösteriyor.

Atıf: Galli, R., Korn, S., Aust, D. et al. Label-free multiphoton microscopy and machine learning for recognition of hepatocellular carcinoma. Sci Rep 16, 8734 (2026). https://doi.org/10.1038/s41598-026-43831-y

Anahtar kelimeler: karaciğer kanseri görüntüleme, çoklu foton mikroskopisi, otofloresans, cerrahi sınırlar, makine öğrenimi