Un Modèle de Base Estimé Explicitement pour une Estimation Robuste des Fluorophores en Utilisant la Spectroscopie de Fluorescence à Excitation à Plusieurs Longueurs d'Onde

Contexte de la recherche

La spectroscopie de fluorescence est une méthode largement utilisée pour identifier et quantifier les substances fluorescentes (fluorophores). Cependant, quantifier les fluorophores d’intérêt devient difficile lorsqu’il y a d’autres fluorophores présents dans le matériau (fluorophores de base), surtout lorsque le spectre d’émission de base n’est pas bien défini et se chevauche avec celui des fluorophores cibles. Pour distinguer et quantifier précisément ces substances fluorescentes, les chercheurs ont proposé une nouvelle méthode basée sur la spectroscopie de fluorescence à excitation multi-longueurs d’onde. Le principal objectif de cette étude est de résoudre le problème de l’interférence de la fluorescence de base et de fournir un algorithme d’estimation robuste sans hypothèse a priori.

Source de l’article

Cet article intitulé « An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores Using Multiple-Wavelength Excitation Fluorescence Spectroscopy » est co-écrit par A. Gautheron, M. Sdika, M. Hébert et B. Montcel. Les auteurs sont affiliés à l’Université de Lyon, INSA-Lyon, Université Claude Bernard Lyon 1, CNRS et Université Jean Monnet Saint-Etienne. Cet article sera publié en janvier 2024 dans la revue IEEE Transactions on Biomedical Engineering.

Déroulement de l’étude

a) Description détaillée du processus de recherche

Cette étude est composée de plusieurs étapes clés. Tout d’abord, l’accent est mis sur l’estimation des signaux de fluorescence de deux formes de protoporphyrine IX (protoporphyrin IX, PPIX), un fluorophore utilisé pour distinguer les tissus sains des tissus tumoraux lors des interventions neurochirurgicales. Utilisant des signaux de fluorescence à excitation multi-longueurs d’onde, ces signaux sont calibrés par des simulations numériques et validés par des données cliniques et expérimentales. Les étapes spécifiques sont les suivantes :

1. Élaboration du modèle : Proposition d’un modèle de base sans hypothèse a priori, obtenant les signaux de fluorescence à travers plusieurs longueurs d’onde d’excitation. Bien que ce modèle soit non linéaire, les auteurs ont dérivé une solution analytique par moindres carrés.

2. Conception expérimentale : Estimation de la contribution du PPIX en tant que fluorophore dans les signaux de fluorescence. L’intérêt est particulièrement porté sur la détection des frontières tumorales lors des interventions neurochirurgicales.

3. Simulation des données : Validation de la précision et de la robustesse de la nouvelle méthode à l’aide d’un modèle numérique calibré sur des données cliniques et expérimentales.

4. Estimation des paramètres : Estimation des signaux de fluorescence de base à partir des mesures sur plusieurs longueurs d’onde d’excitation et dérivation d’une expression analytique de l’algorithme.

5. Analyse des résultats : Comparaison des performances de la nouvelle méthode avec celles des méthodes existantes, avec un focus sur l’estimation de la contribution du PPIX et la classification des tissus sains et tumoraux.

b) Principaux résultats

Validée par des données de simulation numérique et des données cliniques, la nouvelle méthode démontre une performance supérieure dans des situations de forte variation de la base, permettant de distinguer les tissus sains des tissus tumoraux avec une précision de 87%, alors que les méthodes existantes ont une précision proche de 0. Les résultats spécifiques sont les suivants :

1. Estimation de la base : Sans modèle a priori, la nouvelle méthode a réussi à estimer les signaux de fluorescence de base à différentes longueurs d’onde d’excitation, résolvant le problème de chevauchement des spectres de base.

2. Précision de classification : Testée avec un modèle de simulation numérique, la nouvelle méthode montre une haute précision de classification dans diverses conditions de variation de la base, notamment lorsque la bande spectrale de base se chevauche avec celle des fluorophores cibles.

3. Efficacité de calcul : Comparée aux méthodes de séparation de sources aveugles existantes, la nouvelle méthode évite les résolutions itératives et opère efficacement avec une expression analytique.

c) Conclusion et implications

La nouvelle méthode offre une approche robuste et sans hypothèse a priori pour l’estimation des fluorophores, augmentant significativement la précision de classification des tissus sains et tumoraux. Sa valeur scientifique réside dans son absence de nécessité de modélisation complexe de la base, ainsi que dans son efficacité de calcul. Elle présente une grande valeur appliquée, particulièrement pour la détection des frontières tumorales, fournissant des informations plus précises pour les interventions chirurgicales cliniques.

d) Points forts de l’étude

1. Haute précision : Dans des environnements cliniques simulés, la nouvelle méthode présente une précision de classification allant jusqu’à 87%.
2. Sans hypothèse a priori : La nouvelle méthode ne nécessite pas d’hypothèse sur la forme des spectres de base, ayant une grande adaptabilité.
3. Haute efficacité de calcul : L’expression analytique dérivée permet une efficacité de calcul significative, adaptée aux applications cliniques en temps réel.

e) Autres informations pertinentes

En termes d’application clinique, la nouvelle méthode peut fournir des informations fluorescentes plus précises dans les zones de tissu tumoral à densité moyenne et basse, soutenant efficacement les interventions de résection tumorale. Des recherches futures pourraient explorer l’application de cette méthode à plus de deux longueurs d’onde d’excitation, ainsi que son utilisation pour d’autres fluorophores d’intérêt clinique, comme l’exploration des formes liées et libres de la protéine NADH.

Résumé

Cette étude propose une nouvelle méthode basée sur l’excitation multi-longueurs d’onde, résolvant efficacement le problème de l’interférence des bases dans la spectroscopie de fluorescence, améliorant la précision et la robustesse de la classification des frontières tumorales, avec une importante valeur scientifique et un potentiel d’application clinique significatif.