Uma equipe internacional de pesquisa liderada pela KAIST desenvolveu uma tecnologia inovadora que vai além dos métodos tradicionais de visualização de tecidos cancerígenos finamente fatiados e corados. Essa inovação emprega técnicas ópticas avançadas em conjunto com um algoritmo de aprendizado profundo baseado em inteligência artificial para gerar imagens 3D realistas e virtualmente coradas de tecidos cancerígenos, sem a necessidade de cortes ou colorações seriadas. Essa descoberta promete abrir caminho para a próxima geração de diagnósticos patológicos não invasivos.
Por mais de 200 anos, a patologia convencional tem se baseado na visualização de tecidos cancerígenos sob um microscópio. No entanto, esse método só revela certas seções transversais do tecido cancerígeno tridimensional. Isso limita a compreensão das conexões tridimensionais e dos arranjos espaciais entre as células.
Para resolver esse problema, a equipe de pesquisa utilizou a holotomografia (HT), uma tecnologia óptica avançada, para medir o índice de refração tridimensional do tecido. Em seguida, eles integraram um algoritmo de aprendizado profundo baseado em IA para gerar com sucesso imagens virtuais de H&E*.
* H&E (Hematoxilina e Eosina): O método de coloração mais comumente usado para observar tecidos patológicos. A hematoxilina cora os núcleos celulares de azul e a eosina cora o citoplasma de rosa.
A equipe de pesquisa conseguiu demonstrar quantitativamente que as imagens geradas por essa tecnologia são altamente semelhantes às imagens reais de tecidos corados. Além disso, a tecnologia demonstrou um desempenho consistente em vários órgãos e tecidos, provando sua versatilidade e confiabilidade como uma ferramenta de análise patológica de próxima geração.
Além disso, por meio de pesquisa colaborativa com hospitais e instituições de pesquisa na Coreia e nos EUA, utilizando o equipamento de holotomografia da Tomocube, a equipe confirmou a viabilidade dessa tecnologia, demonstrando assim o potencial para sua ampla adoção em ambientes reais de pesquisa patológica.
