پیشرفت در طیف‌سنجی فیبر نوری رامان بلادرنگ برای تشخیص زودهنگام سرطان: فشار دادن مرز به برنامه‌های آندوسکوپی بالینی

آندوسکوپ‌های انعطاف‌پذیر [1] بر اساس بازتاب نور سفید (WLR) استاندارد مراقبت برای تشخیص سرطان و نظارت بر پیش سرطان در اندام‌های داخلی است [2]. با این حال، یک چالش بالینی در تشخیص ضایعات پیش بدخیم و تغییرات اولیه نئوپلاستیک نهفته است. تکیه بر معیارهای تشخیصی بصری ذهنی (یعنی جزئیات ساختاری و مورفولوژیکی بافت) منجر به دقت تشخیصی ضعیف به دلیل فقدان تغییرات مورفولوژیکی آشکار مرتبط با دگرگونی نئوپلاستیک اولیه، حتی در دستان آندوسکوپیست های مجرب می شود [3]. تصویربرداری اتوفلورسانس (AFI) [4-6] و تصویربرداری باند باریک (NBI) [6، 7] برای بهبود تشخیص سرطان با مشاهده فلوروفورهای درون زا در بافت و افزایش کنتراست تصویر ریز عروقی بافت ایجاد شده‌اند، اما این میدان وسیع است. روش‌های تصویربرداری هنوز از ویژگی‌های تشخیصی متوسطی به دلیل وابستگی بین مشاهده‌گر و عدم توانایی آشکارسازی اطلاعات بیومولکولی خاص در مورد بافت رنج می‌برند. توسعه فن‌آوری‌های نوری پیشرفته کم‌تهاجمی یا غیرتهاجمی مبتنی بر امضاهای زیست مولکولی ذاتی سلول‌ها و بافت‌ها، سنگ بنای تشخیص آندوسکوپی است. نمونه‌برداری‌های نوری هدفمند برای کاوش بافت پرخطر در محل می‌تواند تا حد زیادی خطاهای نمونه‌برداری تصادفی بیوپسی و همچنین هزینه‌های مراقبت‌های بهداشتی و بار بیماران را کاهش دهد.

طیف‌سنجی رامان یک تکنیک ارتعاشی نوری منحصر به فرد است که قادر به بررسی ساختارهای مولکولی خاص و ترکیبات بافتی است و فرصت‌های جدیدی برای تشخیص زودهنگام پیش سرطان و سرطان در انسان ایجاد می‌کند. فیزیکدان هندی سر چاندراساخارا ونکاتا رامان (1888-1970) با الهام از رنگ آبی عمیق دریای مدیترانه در طول سفر دریایی به اروپا در سال 1921 و کشف اثر کامپتون [8] (جایزه نوبل 1927)، "رامان" را کشف کرد. اثر» (1928) [9]، و متعاقباً جایزه نوبل فیزیک را در سال 1930 دریافت کرد. هنگامی که فوتون های فرودی باعث تغییر قطبش در یک مولکول می شوند، بخش کوچکی از فوتون های فرودی (~1 در 10 [8]) پراکنده می شوند. تغییر در فرکانس [10]. انرژی جذب شده مربوط به حالت‌های ارتعاشی فعال رامان مولکول‌ها است، و نور پراکنده شده، اثرانگشت (FP) منحصربه‌فردی از مولکول‌ها را در نمونه‌ها حمل می‌کند. با استفاده از لیزرهای مادون قرمز نزدیک (NIR) به عنوان منابع نور تحریک، طیف‌سنجی رامان NIR دارای مزایای قابل توجهی در کاربردهای زیست پزشکی است، زیرا آب در محدوده طول موج کاری NIR جذب بسیار پایینی دارد و بافت‌ها اتوفلورسانس (AF) بسیار کمتری نسبت به استفاده کوتاه‌تر نشان می‌دهند. تحریک نور مرئی [11]. جذب آب کمتر به دلیل نفوذ عمیق نور به بافت، تشخیص اجزای بافت را آسان می کند. مطالعات اولیه به طور گسترده از طیف‌سنجی تبدیل فوریه رامان تحت تحریک NIR برای توصیف نمونه‌های بافتی مختلف، مانند بافت‌های زنان [12]، مغزها [13، 14]، شریان‌ها [15، 16]، پوست [17-20] بافت دهان [21] استفاده کرده‌اند. ] و غیره. با این حال، زمان‌های طولانی اکتساب (حداکثر 10-35 دقیقه)، و تنظیمات نوری حجیم طراحی‌های اولیه سیستم رامان، موانعی برای تشخیص پزشکی معمول در داخل بدن بودند. پیشرفت‌های فنی اخیر در لیزرهای دیود فشرده NIR، طیف‌نگارهای تصویربرداری رامان با کارایی بالا با گریتینگ‌های هولوگرافی، دوربین دستگاه همراه با شارژ عمیق (CCD)، فیلترهای بریدگی/فیلترهای رامان با لبه‌های تیز و طرح‌های مینیاتوری پروب رامان فیبر نوری کسب سریع طیف های رامان بافت NIR در محیط های بالینی را مجاز کرده اند [22-24]. شواهد انباشته‌ای از طیف‌سنجی رامان NIR برای شناسایی و تشخیص بافت در تعدادی از مکان‌های اندام (مانند پوست [25-28]، پستان [29-31]، حفره دهان [32]، حنجره/نازوفارنکس [33-36] گزارش شده است. ]، مری و معده [37-41]، کولون [37، 42]، ریه [11، 43، 44]، مثانه [45-51]، پروستات [37، 49، 52]، دهانه رحم [53، 54]، مغز [48، 55-58]، استخوان [59، 60]، شریان [61، 62] و غیره). با تشویق نتایج امیدوارکننده مطالعات ex vivo Raman و همچنین آخرین پیشرفت در فن‌آوری‌های NIR Raman، پیشرفت قابل توجهی در ترجمه طیف‌سنجی NIR Raman به کاربردهای آندوسکوپی in vivo در زمان واقعی حاصل شده است. در حال حاضر، شواهد رو به رشد قابل توجهی وجود دارد که نشان می دهد طیف سنجی رامان فیبر نوری دارای قابلیت تشخیص سریع و مشخص کردن بافت ها در داخل بدن، به روشی بدون برچسب و غیر مخرب است. این مقاله ابزار دقیق رامان بالینی پیشرفته، پیشرفت‌ها در پروب‌های آندوسکوپی رامان فیبر نوری، پیش پردازش طیفی، استخراج ویژگی‌های پیشرفته و الگوریتم‌های طبقه‌بندی مورد استفاده در طیف رامان برای تشخیص زودهنگام بیماری را بررسی می‌کند. دو دهه گذشته کار آندوسکوپی رامان خلاصه می‌شود، پیشرفت‌های اخیر در هوش مصنوعی و یادگیری ماشین در طیف‌سنجی رامان زیست‌پزشکی برجسته می‌شود، و یافته‌های زیست‌پزشکی از آخرین مطالعات بالینی in vivo نیز برای نشان دادن پتانسیل بزرگ مورد تاکید قرار می‌گیرد.