Itä-Suomen yliopistossa ja Kuopion yliopistollisessa sairaalassa on kehitetty hyperspektrikuvantamiseen perustuva kudosluokittelutyökalu aivoleikkauksiin. Suomen ensimmäistä mikroneurokirurgista HSI-järjestelmää voidaan soveltaa etenkin aivokasvainten ja aivoverisuonisairauksien leikkausten aikaiseen kudostunnistamiseen.
Aivokasvaimet leikataan useimmiten mikrokirurgisesti suurella suurennoksella. Kasvainten läheisyydessä on herkkiä rakenteita, joiden vaurio voi johtaa vakavaan haittaan, kuten halvaukseen. Eri kudokset voidaan nykyisin tunnistaa leikkauksen aikana vain silmämääräisesti ja epäsuorasti kuvantamistietojen avulla. Terveen kudoksen erottaminen sairaasta luotettavasti ja mahdollisimman reaaliaikaisesti leikkauksen aikana onkin keskeinen haaste mikrokirurgiassa.
LK Sami Puustisen väitöstutkimuksessa tarkasteltiin hyperspektrikuvantamista (HSI) uutena leikkauksenaikaisena kudostunnistusmenetelmänä. – HSI on optinen kuvantamismenetelmä, joka kerää ihmissilmää laajemmin tietoa kudoksille tyypillisestä tavasta heijastaa valoa. Koneoppimismenetelmin analysoidun HSI-datan avulla voidaan tunnistaa eri kudostyypit lähes reaaliaikaisesti, Puustinen kertoo.
Väitöstutkimuksessa kudosnäytteiden HSI-kuvien analyysi koneoppimismenetelmin auttoi erottelemaan mikrokirurgisia kudoseroja kasvohermoissa ja sisemmässä kaulavaltimossa. Menetelmä tunnisti luotettavasti mikroanatomisesta sijainnista ja kirurgisesta käsittelystä johtuvia, silmämääräisesti vähäisiä eroja. Potilailla toteutetussa tutkimusosiossa kehitettiin leikkausmikroskooppiin liitetty HSI-järjestelmä, joka todettiin potilaskirurgiaan soveltuvaksi aivokasvainleikkausten aikana.
Tutkimuksessa kehitetty järjestelmä on jo läpäissyt kliinisen laitetutkimuksen lupaprosessin. Se on ainoa mikroneurokirurginen HSI-järjestelmä Suomessa sekä ensimmäisiä Euroopassa. HSI-järjestelmää tukemaan luotiin myös kokeellinen sovellus, jossa potilaita hoitavat kliinikot voivat selata, tuoda, viedä ja analysoida HSI-dataa. Datapankkiin kerättiin neurokirurgisten kudosten HSI-datan lisäksi oleelliset potilastiedot, kuten kudosanatomia ja MRI-leikkeet, joita tarvitaan jatkossa leikkaustenaikaisten koneoppivien HSI-sovellusten kehittämiseksi.
Väitöstutkimuksen pohjalta jatkossa kehitettävää, lähes reaaliaikaista kudosluokittelutyökalua voidaan soveltaa etenkin aivokasvainten ja aivoverisuonisairauksien leikkausten aikaiseen kudostunnistamiseen. Uusien kirurgisten HSI-sovellusten edistämiseksi aineistoa kerätään jatkossa koko kehon, mutta etenkin pään ja kaulan alueen toimenpiteistä.
HSI-järjestelmät mahdollistavat ennennäkemättömän herkän ja yksilölliset erot huomioivan kudosten tunnistamisen leikkaustoimenpiteiden aikana. Niiden käytön odotetaan edistävän terveen ja sairaan kudoksen tunnistamista sekä kasvainkudoksen onnistunutta poistoa. Se parantaisi kirurgista suorituskykyä, avustaisi lääkäreitä diagnostiikassa ja edistäisi siten myös potilasturvallisuutta. – Menetelmässä on vielä kehitettävää ennen interventiovaihetta, mutta kirurgian aloilta julkaistut tutkimukset ja omat tuloksemme ovat lupaavia, Puustinen sanoo.
Tutkimuksen suorituspaikkana olivat Itä-Suomen Mikrokirurgiakeskus, Kuopion yliopistollisen sairaalan leikkaussalit ja Itä-Suomen yliopiston Joensuun kampuksen laboratoriot. Moniammatillisesta leikkaustenaikaiseen kudosten optiseen tunnistukseen keskittyvästä tutkimuksesta vastaa dosentti, neurokirurgian erikoislääkäri Antti-Pekka Elomaa. Tiivis yhteistyö Itä-Suomen yliopiston kanssa rakentuu Suomen Akatemian rahoittaman, professori Roman Bednarik johtaman FIRST-hankkeen varaan. Väitöstyössä tehtiin yhteistyötä etenkin professori Markku Hauta-Kasarin johtaman värilaboratorion, fysiikan ja matematiikan laitoksen sekä yritysten, kuten Senop Oy:n kanssa.
Ryhmällä on kokonaisuudessaan yli vuosikymmenen kokemus lääkinnällisten laitteiden testauksesta. Tutkimusryhmän moniammatillinen yhteistyö Itä-Suomen Mikrokirurgiakeskuksessa on jo tuottanutkin uutta startup-yritystoimintaa Pohjois-Savoon: innovaatioiden kaupallistamiseksi perustettiin SeeTrue Technologies vuonna 2018 ja Marginum vuonna 2020.
Lisätietoja:
LK Sami Puustinen, sampuu(a)uef.fi, 0442190767