Prostaatkanker blijft een van de belangrijkste maligniteiten die mannen wereldwijd treffen, waarbij vroege opsporing cruciaal is voor succesvolle interventie en behandeling1. Historisch gezien is de diagnose van prostaatkanker sterk afhankelijk geweest van histopathologische evaluatie van prostaatbiopsiemonsters, meestal door hematoxyline en eosine (H&E) kleuring2. Hoewel effectieve, resulteren traditionele methoden voor prostaatbiopsie-analyse doorgaans in een wachttijd van enkele dagen tot weken, afhankelijk van de stad of het land, vanwege procedurele en logistieke factoren. Deze vertragingen zijn het gevolg van meerdere arbeidsintensieve stappen, waaronder formalinefixatie, paraffine-inbedding, secties en H&E-kleuring. De cumulatieve verwerkingstijd, verergerd door het grote aantal biopsiemonsters, kan dus de diagnose en behandelplanning vertragen.
Recente ontwikkelingen in beeldvormingstechnologieën, met name gestimuleerde Raman-verstrooiing (SRS) microscopie, kunnen diagnostische praktijken transformeren door een robuuste beeldvormingsmethode te bieden die achtergrondvrij en gemakkelijk interpreteerbaar is 3,4. SRS maakt gebruik van twee laserstralen, de pompstraal (ωp) en de Stokes-straal (ωs), die interageren met het monster. Wanneer het frequentieverschil (Δω = ωp −ωs) overeenkomt met een specifieke moleculaire trillingsfrequentie (Ω), wordt het signaal versterkt als gevolg van gestimuleerde Raman-versterking of -verlies. Dit proces verbetert het contrast van moleculaire trillingen, waardoor een zeer gevoelige beeldvorming van weefsels mogelijk is 3,4. SRS maakt de detectie mogelijk van moleculaire trillingen geassocieerd met CH2-rektrillingen (2.845 cm-1), gecorreleerd met lipiden, en CH3-rektrillingen (2.930 cm-1), gekoppeld aan eiwitten en DNA4. De detectie van het SRS-signaal omvat doorgaans een overdrachtsschema voor hoogfrequente modulatie, waardoor de zwakke trillingssignalen nauwkeurig kunnen worden geïsoleerd van achtergrondruis.
SRS-microscopie heeft optische doorsnedemogelijkheden die nauwkeurige driedimensionale beeldvorming mogelijk maken zonder dat fysieke weefseldoorsnede nodig is. Dit wordt bereikt door de pomp en Stokes-laserstralen uit te lijnen en te focussen op een diffractiebeperkte plek in het monster, waar specifieke moleculaire trillingen worden opgewekt. De confocale aard van SRS, afgeleid van de kwadratische afhankelijkheid van de intensiteit van de lasers, zorgt ervoor dat signalen beperkt blijven tot het brandpuntsvlak, waardoor onscherpe bijdragen worden uitgesloten en sterk gelokaliseerde chemische informatie wordt verstrekt 5,6. Deze beeldvorming met diepteresolutie behoudt de weefselintegriteit door mechanisch snijden te elimineren, de verwerkingstijd te verkorten en de biologische en moleculaire context van het monster te behouden.
Voortbouwend op de principes van SRS, gebruikt gestimuleerde Raman-histologie (SRH) deze moleculaire trillingsgegevens om in realtime pseudo-H&E-beelden van vers, ongekleurd weefsel te maken, waardoor clinici snellere en efficiëntere diagnostische hulpmiddelen krijgen 7,8. Dit vermogen om beelden van hoge kwaliteit te genereren, heeft SRH tot een onmisbaar hulpmiddel gemaakt voor onderzoek en mogelijke klinische toepassingen9. Onlangs leverde intraoperatieve margebepaling met behulp van SRH bijna realtime pathologische feedback op tijdens gedeeltelijke klierablatie en radicale prostatectomie, waardoor onmiddellijke aanpassingen van de behandeling mogelijk waren10,11.
De SRH-imager maakt gebruik van intrinsieke moleculaire trillingen om inzicht te krijgen in de weefselsamenstelling. SRH kan worden gebruikt om kankerachtig van goedaardig prostaatweefsel effectief te onderscheiden door de trillingseigenschappen van CH2 en CH3 te analyseren 7,12. De SRH-imager legt deze trillingen vast en produceert pseudo-H&E-beelden die het nucleaire contrast verbeteren, dienen als een snel alternatief voor conventionele histopathologie en leveren beelden van hoge kwaliteit in 2-8 minuten, afhankelijk van de weefselgrootte 7,8.
De werkzaamheid van SRH voor het snelle pathologische onderzoek van onbewerkte prostaatbiopten werd geëvalueerd. Pathologen werden opgeleid om SRG-beelden te interpreteren van prostaatbiopsiekernen die ex vivo waren verkregen uit prostatectomiemonsters8. De SRH-scanmethode is geoptimaliseerd om binnen enkele minuten beelden met een hoge resolutie te kunnen verkrijgen, waardoor de benodigde tijd aanzienlijk wordt verkort in vergelijking met traditionele histopathologie. Biopsiemonsters met een mix van goedaardige en kwaadaardige histologie dienden als een trainingsset voor de pathologen, die vervolgens een geblindeerde evaluatie uitvoerden van een afzonderlijke set biopsieën die door SRH waren afgebeeld en door H&E-kleuring waren verwerkt om als grondwaarheid te dienen. De resultaten toonden aan dat de gemiddelde nauwkeurigheid van de patholoog voor het identificeren van prostaatkanker 95,7% was, met een goede overeenstemming bij het detecteren van klinisch significante kankers, wat aangeeft dat SRH de diagnose in bijna realtime effectief kan ondersteunen8.
In latere studies werd kunstmatige intelligentie (AI) geïntegreerd om de diagnostische nauwkeurigheid, efficiëntie en implementatiegemak verder te verbeteren. Dit AI-model maakt gebruik van deep learning-technieken om vibrationele en morfologische kenmerken te analyseren die zijn vastgelegd door SRH, waardoor geautomatiseerde classificatie van prostaatbiopsiemonsters in goedaardige, kankerachtige en niet-diagnostische regio's mogelijk is, waardoor het pathologische beoordelingsproces aanzienlijk wordt gestroomlijnd9. De SRH-AI-integratie toonde een indrukwekkende nauwkeurigheid en bereikte 96,5% bij de detectie van prostaatkanker, met gevoeligheids- en specificiteitspercentages van respectievelijk 96,3% en 96,6%9. Door AI te integreren met SRH werden diagnostische prestaties bereikt die overeenkwamen met die van ervaren pathologen.
Door de uitgebreide evaluatie van SRH met pathologen en de ontwikkeling van een AI-model dat is geïntegreerd in de SRH-imager, zijn de mogelijkheden van deze technologie aanzienlijk verbeterd. Dit protocol schetst de gedetailleerde stappen voor het voorbereiden van prostaatbiopsiemonsters, het beeldvorming ervan met behulp van de SRH-imager en het analyseren van de gegevens met AI-ondersteunde tools. Door deze stappen te volgen, kunnen onderzoekers en clinici deze nieuwe techniek gebruiken om de opsporing, het onderzoek en de behandeling van prostaatkanker te verbeteren.