一种利用热扩散分析进行体外恶性病变检测的新方法：以肺癌为例 Sharon Gat, Gal Aviram, Amir Yehudayoff, Hen Toledano, Moshe Tshuva, Assaf Gur, Shani Toledano, Amir Onn, Gabriel Polliack

《Applied Sciences》：A Novel POC Modality for Ex Vivo Malignancy Detection Using Thermal Diffusion Analysis: A Case Study of Lung Cancer Sharon Gat, Gal Aviram, Amir Yehudayoff, Hen Toledano, Moshe Tshuva, Assaf Gur, Shani Toledano, Amir Onn and Gabriel Polliack

　　

摘要

早期检测恶性病变至关重要，然而现有的诊断方法难以识别小的周围性病变。本研究评估了一种新的成像技术——热扩散分析，以评估其区分恶性与正常肺组织的能力。鉴于肺癌是全球癌症相关死亡的主要原因，研究人员在体外临床前模型中诱导小鼠产生肺肿瘤，以评估该技术的有效性。HTOScan系统用于分析切除的肺组织中60个部位的热学特性，包括正常区域和异常区域。该算法将像素分类为高风险或低风险的恶性病变。与金标准（组织病理学）相比，HTOScan系统的准确率为97%，灵敏度为94%，特异性为98%。该技术通过分析热扩散率的差异，成功地在体外区分了异常组织和正常组织。这项概念验证研究表明，将热扩散成像技术与机器学习算法结合使用，可以使HTOScan系统以高置信度准确识别恶性病变。这项技术作为实时决策支持工具在癌症检测方面具有潜力，但仍需进一步进行体内验证。这种新的功能性成像方法有望提高周围性病变的识别率，并指导支气管镜检查期间的活检操作。