Neuroendokrine Neoplasien der Bauchspeicheldrüse (PNEN) sind eine seltene Krebsart, die die hormonproduzierenden Zellen der Bauchspeicheldrüse befällt. Obwohl sie selten sind, hat ihre Inzidenz in den letzten Jahrzehnten stetig zugenommen. Zu den Behandlungsmöglichkeiten gehören Chemotherapie und zielgerichtete Therapien, doch eine Operation stellt nach wie vor die einzige Heilungschance dar. Allerdings hängen chirurgische Entscheidungen oft von pathologischen Befunden ab, die Stunden oder sogar Tage dauern können. Dies verzögert die Behandlung und erhöht das Risiko einer unvollständigen Tumorentfernung.

Forscher der University of Arizona haben ein neues Bildgebungsverfahren entwickelt, mit dem Chirurgen Krebsgewebe schneller und präziser identifizieren können. Die Multiphotonenmikroskopie (MPM) nutzt eine lichtbasierte Bildgebungsmethode, die natürliche fluoreszierende Moleküle im Gewebe hervorhebt. Im Gegensatz zur herkömmlichen Mikroskopie verursacht MPM weniger Schäden an den Proben und liefert klarere Bilder. Damit ist sie ein vielversprechendes Instrument für die Echtzeitanalyse während der Operation.

Wie in Biophotonics Discovery berichtet  , verwendete das Forschungsteam MPM, um Pankreasgewebeproben auf natürlich vorkommende fluoreszierende Marker wie Kollagen, NADH, FAD, Lipofuszine und Porphyrine zu untersuchen. Diese Marker helfen, zwischen gesundem und krebsartigem Gewebe zu unterscheiden. Zur Interpretation der Bilder setzten die Forscher sowohl maschinelles Lernen (ML) als auch Deep-Learning-Techniken ein. Ein ML-Algorithmus und vier Convolutional Neural Networks (CNNs) wurden trainiert, um die Gewebetypen zu klassifizieren.

Die Ergebnisse waren ermutigend. Der ML-Algorithmus erreichte eine Genauigkeit von 80,6 Prozent bei der Identifizierung von Krebsgewebe, während die CNNs mit Genauigkeiten zwischen 90,8 und 96,4 Prozent sogar noch besser abschnitten. Diese hohen Werte sind besonders bemerkenswert, da die Proben aus mehreren Biorepositorien stammten, was darauf hindeutet, dass die Methode über verschiedene Quellen hinweg robust ist.

Obwohl die CNNs den ML-Algorithmus übertrafen, bot dieser mehr Transparenz. Durch die Analyse der Merkmale, die die Entscheidungen des ML-Modells beeinflussten, fanden die Forscher heraus, dass Kollagengehalt und Bildeigenschaften wie Kontrast und Korrelation wichtige Indikatoren für Krebs waren. Diese Erkenntnisse könnten dazu beitragen, zukünftige Modelle zu verfeinern und das Verständnis der PNEN-Gewebestruktur zu verbessern.

Die Studie zeigte auch, dass die MPM-Bildgebung schneller ist als die traditionelle Histologie. Die Forscher glauben jedoch, dass weitere Verbesserungen sie noch schneller machen könnten. Als nächstes planen sie, die Technik während der Operation an frischen Gewebeproben zu testen und zu untersuchen, ob sie helfen kann, Grad und Typ der PNENs zu bestimmen – Informationen, die Behandlungsentscheidungen präziser gestalten könnten.

_{Die Beiträge im News-Bereich werden erstellt vom X-Press Journalistenbüro}

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.