Szeroko stosowane w badaniach przesiewowych badanie cytologiczne dotyczy komórek pobranych na przykład z szyjki macicy czy dróg oddechowych. Po odpowiednim wybarwieniu patomorfolog szuka pod mikroskopem komórek nowotworowych. Zwraca uwagę na charakterystyczne oznaki ich złośliwości, takie jak powiększone jądra komórkowe czy nieprawidłowe kształty komórek.

Uzyskanie wiarygodnych wyników badania cytologicznego w dużej mierze zależy od wiedzy i doświadczenia przeprowadzającej je osoby. Jednak w niektórych przypadkach komórki nowotworowe i prawidłowe mogą wyglądać identycznie, a różnice między nimi ujawniają się dopiero w skali poniżej rozdzielczości konwencjonalnych mikroskopów.

Często dotyczą one zmian w strukturach o rozmiarach liczonych w nanometrach, takich jak włókna aktynowe i mikrotubule tworzące wewnętrzny szkielet komórki, co może wpływać na sposób rozpraszania światła przez komórkę.

Naukowcy z japońskiego Nara Institute of Science and Technology (NAIST) proponują opartą na uczeniu maszynowym metodę, która pozwala na uzyskanie wysokiej dokładności nawet wtedy, gdy komórki nowotworowe i nienowotworowe wykazują bardzo podobną morfologię. Chodzi o wykorzystanie różnic w rozpraszaniu światła przez komórki zdrowe i zmienione nowotworowo.

Naukowcy zaproponowali podejście oparte na mikroskopii w ciemnym polu – technice rejestrującej światło rozproszone przez obiekt, a nie światło pochłaniane podczas przechodzenia przez niego. Przeanalizowali oni próbki cytologiczne zawierające nowotworowe komórki międzybłoniaka oraz reaktywne komórki wyściełającego drogi oddechowe międzybłonka (komórki, które powiększyły się na skutek podrażnienia bądź stanu zapalnego), które często wyglądają bardzo podobnie.

Zarejestrowano sposób, w jaki badane komórki rozpraszały światło białe o długościach fal z zakresu 420–720 nanometrów. Uzyskane widma zostały wprowadzone do systemu uczenia maszynowego, który najpierw dokonał redukcji danych za pomocą analizy głównych składowych, a następnie rozróżnił typy komórek przy użyciu klasyfikatora opartego na metodzie wektorów nośnych (SVM).

Po fazie uczenia system potrafił rozróżnić komórki międzybłoniaka od reaktywnych komórek międzybłonka z dokładnością wynoszącą około 91 proc. Wykazał również potencjał w wykrywaniu komórek raka żołądka i raka dróg moczowych, a także kilku typów nowotworów płuc i klatki piersiowej, choć skuteczność różniła się w zależności od rodzaju guza i przyjętej metody walidacji.

„Wyniki te wskazują, że widmo rozpraszania światła – zawierające informacje w skali submikronowej – jest bardzo czułym narzędziem wykrywania różnic między typami komórek, w porównaniu do oceny wzrokowej czy analizy obrazu” – wyjaśnił dr Yuka Tsuri z NAIST, jeden z autorów publikacji (DOI: 10.1038/s41598-026-64056-z).

Zespół badawczy przewiduje, że technologia ta może stanowić uzupełnienie umiejętności i osądu patologów. „Integracja tego systemu spektroskopowego z mikroskopem mogłaby stać się cennym wsparciem dla patologów i potencjalnie zwiększyć trafność stawianych przez nich diagnoz” – zauważył dr Tsuri. Obecnie naukowcy pracują nad optymalizacją ustawień optycznych i procedury działania, a także stosują zaawansowane metody uczenia maszynowego w celu dalszej poprawy dokładności diagnostycznej.

Paweł Wernicki (PAP)

pmw/ zan/