Studiul FAU utilizează spectroscopie Raman și inteligență artificială pentru detectarea cancerului de piele
Cancerul de piele este cea mai frecventă formă de cancer din Statele Unite și, de asemenea, una dintre cele mai comune la nivel mondial. În 2024, au fost diagnosticate aproape 1,5 milioane de cazuri noi la nivel global, dintre care aproape 340.000 sunt melanomuri. Cancerele de piele nonmelanom, în special carcinomul bazocelular (BCC) și carcinomul spinocelular (SCC), sunt și mai frecvente, cu 5,4 milioane de cazuri diagnosticate anual în SUA.
Detectarea precoce este esențială. Totuși, diferențierea leziunilor canceroase de cele benigne și precanceroase poate fi dificilă, deoarece multe dintre acestea pot arăta similar. Biopsia, urmată de examinarea microscopică a țesutului, rămâne standardul de aur pentru diagnostic, dar biopsiile sunt invazive, costisitoare și pot fi efectuate uneori pe leziuni care, în final, se dovedesc a fi benigne.
Există o nevoie de instrumente de diagnostic rapide și noninvazive care să poată identifica cu precizie cancerul de piele, reducând astfel biopsiile inutile.
Cercetătorii de la Universitatea Florida Atlantic explorează o nouă metodă de detectare a cancerului de piele, combinând spectroscopia Raman – o tehnică care oferă o „amprentă” moleculară a țesutului – cu învățarea automată. Spre deosebire de biopsia convențională, spectroscopia Raman analizează modul în care lumina se dispersează atunci când interacționează cu moleculele din țesut, oferind informații despre compoziția chimică a acestuia fără a îndepărta sau a pregăti special țesutul.
Promisiunea acestei tehnologii este că ar putea oferi clinicianilor o altă modalitate de a analiza o leziune cutanată fără a fi necesară îndepărtarea imediată a țesutului. Prin combinarea informațiilor moleculare furnizate de spectroscopia Raman cu învățarea automată, începem să vedem cum diferențele subtile în chimia țesutului pot fi folosite pentru a distinge cancerul de pielea normală.
În cadrul testării metodei, cercetătorii au folosit un sistem mobil de spectroscopie Raman echipat cu un laser cu diodă de 785 nanometri și o sondă portabilă. Au analizat peste 50 de probe clinice ex vivo, inclusiv BCC, SCC și piele normală. Au generat aproape 1.000 de spectre Raman și au evaluat o varietate de metode de învățare automată pentru a determina cât de precis datele spectrale pot distinge între cele trei tipuri de țesuturi.
Rezultatele studiului, publicate în Proceedings of SPIE ca parte a Advanced Chemical Microscopy for Life Science and Translational Medicine 2026, au arătat că mai multe abordări de învățare automată au putut identifica modele în spectrele Raman care disting țesutul normal de cel cancros. Clasificatorii K-nearest neighbors și support vector machine au obținut cea mai mare precizie generală la test, de aproximativ 84%. Support vector machine a realizat 78,7% sensibilitate și 88,6% specificitate, în timp ce o rețea neuronală superficială a obținut o precizie de 80,8% și cea mai mare zonă sub curba caracteristicii de operare a receptorului (ROC AUC), de 0,910.
Cercetătorii au examinat mai întâi spectrele Raman pentru a identifica tiparele moleculare asociate cu diferitele tipuri de țesut. Analiza a arătat că țesutul normal putea fi distins relativ bine de cele două tipuri de cancer de piele, în timp ce BCC și SCC prezentau o suprapunere mai mare în semnăturile lor moleculare. Spectrele Raman din probele canceroase au tendința de a arăta semnale mai puternice legate de proteine, în timp ce țesutul normal a arătat semnale mai puternice legate de lipide, oferind indicii despre caracteristicile moleculare care ar putea ajuta la diferențierea tipurilor de țesut.
„Rezultatele noastre sunt preliminare, dar ele indică un viitor în care o măsurare rapidă, noninvazivă ar putea ajuta la ghidarea deciziilor clinice și ar putea reduce potențial biopsiile inutile”, a declarat Terentis.
Cercetătorii se îndreaptă acum spre studii mai ample, optimizarea suplimentară a modelelor de învățare automată și abordări mai avansate, inclusiv rețele neuronale profunde, care ar putea îmbunătăți performanța diagnostică.
„Spectroscopia Raman ne oferă o bogăție de informații moleculare, dar provocarea constă în a învăța unui computer să recunoască care tipare sunt cele mai importante”, a declarat Terentis. „Cu mai multe probe și modele mai bine antrenate, credem că există un potențial semnificativ de a îmbunătăți precizia acestei abordări. În cele din urmă, dorim să dezvoltăm o tehnologie care să fie nu doar precisă, ci și practică, portabilă și accesibilă, astfel încât să devină un instrument util în mediul clinic.”
Studiul demonstrează cum progresele în spectroscopia optică și învățarea automată ar putea oferi o nouă cale spre evaluarea mai rapidă și noninvazivă a cancerului de piele, complementând potențial biopsia convențională și ajutând clinicianii să ia decizii mai bine informate cu privire la leziunile care necesită o evaluare suplimentară.
