Egy úttörő új képalkotó technika, amely egy élvonalbeli részecskegyorsító által generált röntgensugarakat használ, egész szervek 3D-s képét kínálja példátlan részletességgel. A technológia bemutatása során a kutatók egy elhunyt COVID-19-beteg tüdejét ábrázolták, új betekintést tárva abba, hogy a betegség miként zavarja meg a vér oxigénellátását. Az új technológiát hierarchikus fáziskontraszt-tomográfiának (HiP-CT) hívják, és egy olyan röntgentechnika, amely lehetővé teszi egész szervek leképezését 1 mikronos felbontásig, vagyis a hagyományos CT-vizsgálat felbontásának 100-szorosáig.
A képalkotási fejlesztés az Európai Szinkrotron Kutatási Létesítmény (ESRF) technológiai fejlesztéséből származik. Ezt az élvonalbeli részecskegyorsítót a közelmúltban fejlesztették az Extremely Brilliant Source upgrade (ESRF-EBS) elnevezéssel. Ez az EBS-frissítés létrehozta a világ első negyedik generációs szinkrotronját, így ez a világ legfényesebb röntgenforrása. Ez 100-szorosára növelte a röntgenteljesítményt a „ragyogás és koherencia” tekintetében. Az eszköz által generált röntgensugárzás pedig 100 milliárdszor fényesebb, mint a hagyományos kórházi röntgenben.
„Az ötlet ennek az új HiP-CT technikának a kifejlesztésére a globális világjárvány kezdete után jött, több, az ESRF-ben használt technikák kombinálásával a nagy kövületek leképezésére, és az ESRF új Extremely Brilliant Source megnövelt érzékenységének felhasználásával.” – magyarázza Paul Tafforeau, az ESRF vezető tudósa. – „Ez lehetővé teszi számunkra, hogy 3D-ben lássuk a hihetetlenül kicsi ereket egy teljes emberi szerven belül, lehetővé téve számunkra, hogy 3D-ben megkülönböztessünk egy véredényt a környező szövettől, és még megfigyelhessünk néhány specifikus sejtet.”
Az új technológia felhasználásával a University College London kutatóinak csapata elindítja a Human Organ Atlas nevű projektet. Peter Lee, aki a projektet vezeti, azt mondja, hogy az Emberi Szerv Atlasz célja, hogy kitöltse az emberi anatómia megértésében meglévő hiányosságot.
Az emberi szervatlasz egy ingyenes online forrás, amely számos kulcsfontosságú emberi szerv, köztük az agy, a vesék, a szív és a lép megjelenítésével indul. A projekt olyan képalkotást is kínál, amely összehasonlítja az egészséges tüdőt egy elhunyt COVID-19-beteg tüdejével. A COVID-19 betegség romlásának alapvető kóros jele a vér oxigenizációs szintjének meredek csökkenése, és a HiP-CT képalkotás betekintést engedett abba, hogyan történik ez a „söntelésnek” nevezett folyamaton keresztül. Korábban azt feltételezték, hogy a COVID-19 csökkenti a vér oxigénszintjét azáltal, hogy növeli a söntelés szintjét a tüdőben, de ez az első közvetlen bizonyíték erre a folyamatra.
„Molekuláris módszereink és a COVID-19 tüdőgyulladás által érintett tüdő HiP-CT többléptékű képalkotásának kombinálásával új ismereteket szereztünk arról, hogy a tüdő két érrendszerében a vérerek közötti söntelés miként történik COVID-19-sérült tüdőben, és milyen hatással van a keringési rendszerünk oxigénszintjére” – mondja Danny Jonigk, a projekten dolgozó Hannover Medical School kutatója.
A HiP-CT célja, hogy az orvosok számára olyan képtárat kínáljon, amely dokumentálja, hogy a különböző betegségek hogyan érintik a különböző szerveket. Ez a soha nem látott szerkezeti adat azt szemlélteti, hogy a betegségek miként befolyásolhatják a szövetek felépítését akár egy mikronos felbontásig is.
Claire Walsh, a University College London gépészmérnöke, aki a projekten dolgozik, azt mondta, hogy a részletes képeket a gépi tanulási technikákkal együtt fogják használni, hogy javítsák a klinikai képalkotásokból, például az MRI-ből és a CT-ből származó betekintést. Amellett, hogy segítik a jelenlegi technológiák jobb kalibrálását és fejlesztését, Walsh azt javasolja, hogy a HiP-CT adatok segítik a kutatókat AI-rendszerek kifejlesztésében, mint az MRI és a CT képalkotás tisztázása.
„Az a képesség, hogy a szerveket ilyen méretarányokon át lehessen látni, valóban forradalmi lesz az orvosi képalkotásban” – mondja Walsh. – „Amint elkezdjük összekapcsolni HiP-CT képeinket klinikai képeinkkel mesterséges intelligencia technikák segítségével, most először lesz lehetőségünk a klinikai képek kétértelmű megállapításainak rendkívül pontos igazolására.”
