Keinonenä tunnistaa aivokasvaimen pahanlaatuisen kudoksen leikkauksessa

Aivokasvainleikkauksissa hyödynnetään verenvuodon minimoimiseksi usein polttoleikkausinstrumentteja, kuten sähköisiä polttopinsettejä tai sähköveistä. Kun kudosta poltetaan, leikattavan kudoksen molekyylejä vapautuu palokaasuun. Tamperelaisten tutkijoiden kehittämässä menetelmässä syntyvä palokaasu johdetaan uudentyyppiseen mittausjärjestelmään, jonka avulla pahanlaatuinen kudos voidaan tunnistaa ja erottaa hyvänlaatuisesta.

Artikkeli aivokasvainten tunnistamisesta palokaasujen avulla on julkaistu arvostetussa Journal of Neurosurgery -tiedelehdessä.

– Nykyisin poistettava kasvain tunnistetaan niin sanotun jääleikeanalyysin avulla. Siinä pieni pala kasvainta kuljetetaan patologille tutkittavaksi jo leikkauksen aikana, tutkimustyössä mukana oleva väitöskirjatutkija Ilkka Haapala Tampereen yliopistosta kertoo.

Patologi tutkii näytteen mikroskoopilla ja ilmoittaa diagnoosinsa puhelimitse leikkaussaliin.

- Uusi menetelmä tarjoaa lupaavan keinon tunnistaa pahanlaatuinen kudos reaaliajassa sekä mahdollisuuden tutkia poistettavaa kasvainta useasta eri kohdasta, Haapala toteaa.

- Laitteiston erityinen etu on se, että se voidaan kytkeä suoraviivaisesti leikkaussaleissa jo olemassa oleviin savuimureihin. Teknologia perustuu niin sanottuun keinonenään eli differentiaali-ionimobiliteettispektrometriaan (DMS), jossa palokaasun ionit johdetaan sähkökenttään. Ionien jakauma sähkökentässä on kudoskohtaista, ja muodostuvan ”hajusormenjäljen” perusteella kudos voidaan tunnistaa.

Tutkimuksessa analysoitiin 694 kudosnäytettä, jotka oli kerätty 28 aivokasvaimesta ja kontrollinäytteestä.

Tutkimuksessa käytetty laitteisto koostui tarkoitusta varten kehitetystä, koneoppimista hyödyntävästä järjestelmästä, joka analysoi palokaasua DMS-teknologian avulla. Kudoksista tuotettiin palokaasua sähköveitsen avulla, jonka jälkeen muodostunut palokaasu analysoitiin.

Järjestelmän luokittelutarkkuus kaikkia näytteitä analysoitaessa oli 83 prosenttia. Rajatummissa asetelmissa tarkkuus parani. Verrattaessa matalan pahanlaatuisuusasteen tukisolukasvaimia (gliooma) kontrollinäytteisiin, järjestelmän luokittelutarkkuus oli 94 prosenttia ja se saavutti 97 prosentin sensitiivisyyden ja 90 prosentin spesifisyyden.

Journal of Neurosurgery https://thejns.org/

Lisätiedot:
- Väitöskirjatutkija, neurokirurgiaan erikoistuva lääkäri Ilkka Haapala, Tampereen yliopisto, 0400 164 702, ilkka.haapala [at] fimnet.fi
- Dosentti, neurokirurgian erikoislääkäri Joonas Haapasalo, joonas.haapasalo [at] pshp.fi
- Professori, ylilääkäri Niku Oksala, Tampereen yliopisto, 0400 591 911, niku.oksala [at] tuni.fi

TAMPEREEN YLIOPISTON TIEDOTE 13.6.2019

Kuva: Antti Roine