生物帮即使肿瘤是良性的，也会损害周围的血管和组织。如果它们是恶性的，它们会变得攻击性和偷偷摸摸的，并且通常会造成不可挽回的破坏。在后一种情况下，及早发现是治疗和康复的关键。但是，这种检测有时可能需要先进的成像技术，而不是当今商业上可获得的技术。
例如，一些肿瘤发生在器官和组织的深处，被粘膜层覆盖，这使得科学家很难通过标准方法直接观察到它们，例如内窥镜检查(通过细管将小型相机插入患者体内)。他们在活检期间。尤其是胃肠道间质瘤(GIST)-通常在胃和小肠中发现-需要苛刻的技术，这些技术非常耗时并且会延长诊断时间。现在，为了改善GIST诊断，Dr。日本东部国家癌症中心医院的佐藤大树，池松弘明和桑田武志，日本理研先进光子学中心的横田英夫博士和博士。日本东京理科大学的高松敏弘(Toshimaka Takamatsu)和我的孝平晃(Koei Soga)已开发出一种将近红外高光谱成像(NIR-HSI)与机器学习一起使用的技术。他们的发现发表在自然科学报告。
Takemura博士解释说：“这项技术有点像X射线，其思想是使用可以穿过人体的电磁辐射来生成内部结构的图像，”他说，“不同之处在于X射线的波长为0.01-波长为10 nm，但近红外波长在800-2500 nm左右。在该波长下，近红外辐射使图像中的组织看起来像透明的，而且这些波长对患者的危害甚至比可见光要小。”
这应该意味着科学家可以安全地研究组织内部隐藏的东西，但是在Takemura博士及其同事进行的研究之前，还没有人尝试对GIST等深部肿瘤使用NIR-HSI。在谈到促使他们进行此调查的原因时，竹村博士向已开始其研究旅程的已故教授表示敬意：“这个项目之所以成为可能，是因为已故的Kazuhiro Kaneko教授打破了医生与工程师之间的障碍并建立了这种合作关系。我们遵循他的意愿。”
Takemura博士的团队对12例确诊为GIST的患者进行了影像学实验，这些患者通过手术切除了肿瘤。科学家使用NIR-HSI对切除的组织成像，然后让病理学家检查图像以确定正常组织与肿瘤组织之间的边界。然后将这些图像用作机器学习算法的训练数据，本质上讲是教计算机程序来区分图像中代表正常组织的像素与代表肿瘤组织的像素。
科学家发现，即使12种测试肿瘤中有10种被粘膜层完全或部分覆盖，机器学习分析仍可有效地识别GIST，正确地对肿瘤和非肿瘤切片进行颜色编码，准确度为86%。Takemura博士解释说：“这是一个非常令人兴奋的进展，无需进行活检就能够准确，快速且无创地诊断不同类型的粘膜下肿瘤，这种手术需要手术，这对患者和患者都非常容易。医生。”
