Background: The increasing number of cancer cases requires new imaging approaches for intraoperative tumor characterization.
Objective: Utilization of new optical/photonic methods in combination with artificial intelligence (AI) approaches to address urgent challenges in clinical pathology in terms of intraoperative computational spectral histopathology.
Methods: Multimodal nonlinear imaging by combining the spectroscopic methods coherent anti-Stokes Raman scattering (CARS), two-photon excited autofluorescence (TPEF), fluorescence lifetime imaging microscopy (FLIM), and second harmonic generation (SHG).
Results: By using multimodal spectroscopic imaging, tissue morphochemistry, i.e., its morphology and molecular structure can be visualized in a label-free manner. The multimodal images can be automatically analyzed using AI-based image analysis approaches. For clinical application in terms of frozen section diagnostics or in vivo use, the presented multimodal imaging approach can be translated into a compact microscope or endoscopic probe concepts.
Conclusions: The synergistic combination of spectroscopic imaging modalities in combination with automated data analysis has great potential for fast and precise tumor diagnostics e.g., in terms of precise surgical guidance in laser or robotic surgery. Overall, intraoperative multimodal spectroscopic imaging may represent an innovative advancement for tumor diagnostics in the future, directly leading to improved patient care and significant cost savings.
Zusammenfassung: HINTERGRUND: Die zunehmende Zahl an Krebserkrankungen erfordert neue bildgebende Ansätze für eine intraoperative Tumorcharakterisierung.
Fragestellung: Einsatz neuer optischer/photonischer Methoden mit Ansätzen künstlicher Intelligenz (KI) zur Bewältigung dringender Herausforderungen der klinischen Pathologie im Sinne einer intraoperativen computergestützten spektralen Histopathologie.
Material und methoden: Multimodale nichtlineare Bildgebung durch die Kombination der spektroskopischen Methoden kohärente Anti-Stokes-Raman-Streuung (CARS), Zwei-Photonen-angeregten Autofluoreszenz (TPEF), Fluoreszenzlebensdauer-Mikroskopie (FLIM) und Erzeugung der zweiten Harmonischen (SHG).
Ergebnisse und diskussion: Mittels der multimodalen spektroskopischen Bildgebung lässt sich die Gewebemorphochemie, d. h. die Morphologie und die molekulare Struktur ohne Verwendung exogener Markersubstanzen darstellen. Die multimodalen Bilder lassen sich mittels auf KI-basierter Bildauswertungsverfahren automatisiert auswerten. Für eine klinische Anwendung im Sinne einer Schnellschnittdiagnostik oder einer In-vivo-Anwendung lässt sich der vorgestellte multimodale Bildgebungsansatz in ein kompaktes Mikroskop oder endoskopische Sondenkonzepte übertragen.
Schlussfolgerung: Die synergetische Kombination spektroskopischer Bildgebungsmodalitäten in Kombination mit automatisierter Datenauswertung besitzt ein großes Potenzial für eine schnelle und präzise Tumordiagnostik, z. B. im Sinne einer präzisen chirurgischen Führung mit Laserchirurgie oder robotischer Chirurgie. Insgesamt gesehen, kann die intraoperative multimodale spektroskopische Bildgebung zukünftig einen innovativen Fortschritt für die Tumordiagnostik bedeuten und damit unmittelbar zu einer besseren Patientenversorgung und erheblichen Kosteneinsparungen führen.
Keywords: Artificial intelligence; Diagnostic techniques; Neoplasms; Nonlinear imaging; Spectral histopathology.
© 2022. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.