Tissue Identification by Differential Mobility Spectrometry

Perimämme muuttuu jatkuvasti luonnollisten mutaatioiden sekä ulkoisten tekijöiden vaikutuksesta. Muutosten kumuloituessa elämämme aikana hallitsemattomasti jakaantuvien ja ympäröiviin kudoksiin sekä lymfaattiseen järjestelmään ja verenkiertoon tunkeutuvien solujen syntymisen todennäköisyys kasvaa. Tämän tyyppistä pahanlaatuista solukasvua kutsutaan syöväksi. Syöpä vaikuttaa joko suoraan tai epäsuorasti suurimpaan osaan ihmisistä yhtenä yleisimmistä kuolinsyistä. Syöpä on monimuotoinen tauti, joka voi syntyä käytännössä mihin kehon osaan tahansa. Riippuen syövän kohdekudoksesta ja kasvun aggressiivisuudesta mahdolliset hoitomuodot, selviytymisennusteet ja kuolleisuus vaihtelevat huomattavasti. Yleisesti syövän rooli kuolinsyynä kuitenkin korostuu jatkuvasti, ja huomattavasta rahallisesta panostuksesta ja vuosikymmenten tutkimustyöstä huolimatta uusille ja paremmille hoito- ja diagnosointimenetelmille on jatkuva tarve. Kiinteiden syöpien leikkaushoito on yksi erityisalue, joka hyötyisi uusista, hoitoa tehostavista innovaatioista. Syövän leikkaushoidossa on yleisesti tavoitteena poistaa kasvain elimistöstä täydellisesti ja täten saavuttaa negatiivinen tervekudosmarginaali. Huomattavassa osassa syöpäleikkauksia poisto on kuitenkin epätäydellinen. Tällöin potilaaseen jääneet syöpäsolut vaativat jatkohoitotoimenpiteitä, joihin yleensä sisältyy myös syövän uusintaleikkaus. Uusintaleikkauksen tarve on erittäin vahingollista potilaan yleiselle hyvinvoinnille ja tuo mukanaan huomattavia lisäterveydenhuoltokustannuksia. Jos vältettävissä olevien uusintaleikkausten määrä voitaisiin puolittaa nykyisestä, säästöjä mitattaisiin jo miljardeissa. Selkeästä säästöpotentiaalista huolimatta syöpien turhat uusintaleikkaukset ovat edelleen ratkaisematon ongelma johtuen etenkin leikkauksenaikaisista haasteista erottaa hyvänlaatuinen kudos pahanlaatuisesta. Solujen rakenteen ja toiminnan määräävä molekulaarinen sisältö eroaa riippuen solujen syntykudoksesta, ja samankaltaisia eroja havaitaan myös pahanlaatuisten ja hyvänlaatuisten solujen välillä. Biomolekyylejä, jotka mahdollistavat kudostyyppien erojen havaitsemisen, kutsutaan biomarkkereiksi tai bioilmaisimiksi, ja tutkimuksissa onkin löydetty satoja proteiineja, rasva-aineita ja aineenvaihduntatuotteita, joiden pitoisuus solussa vaihtelee hyvänlaatuisen ja pahanlaatuisen kudoksen välillä. Tiettyjen biomarkkereiden pitoisuuksien vaihteluvälit hyvänlaatuisissa ja pahanlaatuisissa kudoksissa ovat kuitenkin erittäin suuria, ja molekyylitason erot kudosten välillä aiheuttavat harvoin selkeää makroskooppisesti näkyvää muutosta. Siksi syöpäkudoksen ja tervekudoksen välisen rajan silmämääräinen arvioiminen on erittäin haastavaa. Silti lähes kaikki syöpäkirurgit käyttävät ainoastaan visuaalista arviointia ja tunnustelua operaatiotilanteessa. Lisää haasteellisuutta syövän kokonaispoistoon tuovat myös nykysuositukset, joiden mukaan syövän ympäriltä poistetun tervekudoksen määrä pyritään minimoimaan. Tämä tavoite ja rajan subjektiivinen arviointi johtavat suureen hajontaan eri maiden ja sairaaloiden positiivisten marginaalien määrissä sekä yleisesti korkeaan uusintaleikkausten määrään. Positiivisista tervekudosmarginaalilöydöksistä johtuvia uusintaleikkauksia on pyritty vähentämään tutkimalla ja ottamalla käyttöön useita erilaisia leikkauksenaikaista kudostunnistusta auttavia menetelmiä, mutta niiden kliininen käyttö on ollut rajallista johtuen kunkin menetelmän rajoitteista ja haitoista. Tässä väitöskirjassa esitellään kudostunnistusjärjestelmä, jota voidaan mahdollisesti tulevaisuudessa hyödyntää leikkauksenaikaisessa tervekudosmarginaalin arvioinnissa. Järjestelmän kehitystä ja soveltuvuutta kudostunnistukseen tarkastellaan viiden osatyön kautta. Järjestelmä pohjautuu sähkökirurgiassa tuotetun kudossavun mittaamiseen liikkuvuuserospektrometrialla (differential mobility spectrometry, DMS). DMS on normaali-ilmanpaineessa toimiva mittausteknologia, joka tuottaa informaatiota kaasumaisen näytteen molekulaarisesta rakenteesta erottamalla ionisoidut molekyylit toisistaan voimakkaassa, epäsymmetrisesti muuttuvassa sähkökentässä. DMS vertautuu massaspektrometriaan (MS) mutta on analyyttiseltä suorituskyvyltään sitä heikompi. DMS-teknologian etuna on kuitenkin sen yksinkertaisuus, pienempi koko sekä pienemmät kustannukset MS-teknologiaan verrattuna. DMS-teknologiaa on aiemmin käytetty itsenäisenä mittausmenetelmänä erilaisissa kaasumittaussovelluksissa sekä biolääketieteellisessä käytössä muun muassa hengitysilman mittaamiseen. Nämä sovellukset ovat kuitenkin aina sallineet kontrolloidun ympäristön ja suhteellisen pitkän mittauksen keston. Siksi reaaliaikainen DMS-pohjainen sovellus vaatii ympärilleen lisälaitteistoa ja järjestelmän parametrien optimointia. Lisäksi DMS-data ei suoraan tuota määrällistä tietoa näytteessä olevista biomolekyyleista vaan luo pikemminkin kokonaiskuvan näytteen sisältämien aineiden seoksesta. Spektrin tulkinta ja kudostyypin määritys ei siis ole suoraviivaista, ja yhdestä näytteestä saatavan suuren datamäärän vuoksi analysointi soveltuu parhaiten koneoppimismenetelmille. Järjestelmän poikkitieteellinen näkökulma sekä kokonaisuuden toiminnan ja suorituskyvyn tutkiminen kudostunnistuksessa ovat tämän väitöskirjan pääsisältö. Väitöskirjan kolmessa ensimmäisessä osatyössä tavoitteena oli tutkia menetelmän soveltuvuutta kudostunnistukseen eläinkudosnäytteillä sekä ihmisen rintasyöpänäytteillä. Tulokset laboratorio-olosuhteissa hallitulla näytteentuotolla olivat lupaavia, ja diagnostinen suorituskyky osoitti teknologian potentiaalin kudostunnistuksessa. Neljännessä osatyössä laitteistoa muokattiin mahdollistamaan reaaliaikaiset mittaukset sekä luokittelutuloksen esitys välittömästi mittauksen jälkeen. Tulokset osoittivat, että järjestelmä soveltuu reaaliaikaiseen kudostunnistukseen vähintään eläinnäytteillä laboratorio-olosuhteissa. Viidennessä osatyössä järjestelmää käytettiin rintasyöpäleikkauksissa. Diagnostisen suorituskyvyn osalta tulokset eivät olleet vertailukelpoisia laboratoriotutkimuksiin, mutta tutkimus osoitti, että järjestelmän integroiminen osaksi syöpäkirurgiaa onnistuu käyttäjiä häiritsemättä ja että se pystyy tuottamaan informaatiota leikatusta kudoksesta operaation aikana. Kokonaisuudessaan väitöskirjatutkimuksen tulokset osoittavat DMS-pohjaisen kudostunnistusjärjestelmän potentiaalin ja soveltuvuuden reaaliaikaiseen käyttöön riittävällä diagnostisella suorituskyvyllä. Tulevaisuudessa tässä työssä esitetty järjestelmä voi jatkokehityksen jälkeen toimia syöpäkirurgin apuna tervekudosmarginaalin tunnistuksessa ja auttaa suojelemaan syöpäpotilaiden hyvinvointia vähentämällä tarpeettomia syövän uusintaleikkauksia.The human genome is constantly changing due to natural mutations and environmental exposure. As these changes accumulate over our lifetime, it increases the likelihood of the creation of cells that proliferate uncontrollably and ultimately invade surrounding tissue and the blood circulation or the lymphatic system. This type of malignant neoplasm, more commonly known as cancer, is a disease that either directly or indirectly affects the majority of the population as one of the leading causes of death. Cancer is a versatile disease that can affect practically any part of the body. Depending on the tissue of origin and the aggressiveness of the malignancy, the treatment options, prognosis and mortality rates can vary significantly. In general, the role of cancer as a cause of death is constantly increasing, and despite significant global financial investments and decades of research, new and better methods of treatment and diagnosis are in continuous demand. One particular area that requires more attention and innovation is the surgical treatment of solid cancers. The general aim of surgical treatment is to remove all malignant cells from the patient’s body – that is to say, to achieve a negative surgical margin. The resected tumour has a negative margin, when the outermost surface area has no cancerous cells. However, in a considerable number of surgeries, the removal is incomplete. The resulting residual cancer almost always triggers additional treatment steps, which often involve a reoperation. The need for a reoperation is a major detriment for the well-being of the patient, and the added healthcare costs are substantial. If the number of avoidable reoperations could be halved from their current level, the saving potential in annual global healthcare costs would already be measured in billions of dollars. The reason why the problem of reoperations persists despite the notable financial incentives lies in the difficulty of discriminating malignant tissue from benign, especially during a surgical procedure. The molecular contents that define the structure and function of a cell are different depending on the organ of origin, and similar differences are also present between malignant and benign cells. The biomolecules that enable the identification of the types of tissues are called biomarkers, and the research on this area has revealed hundreds of proteins, fatty acids and metabolic products that exhibit differences in quantities based on tissue malignancy. However, the variation of specific marker molecules is often high, and the molecular differences rarely translate into clear macroscopic differences. This means that visual assessment of the margin between benign and cancerous tissue is extremely challenging. Still, almost all surgeons rely only on visual assessment and palpation in cancer surgeries. The challenge of complete excision is further accentuated by the current resection guidelines that instruct surgeons to preserve as much non-cancerous tissue as possible. This aim and its subjective execution lead not only to high variation in positive margin rates between institutions and regions, but also to a high number of required reoperations in general. To reduce the reoperations caused by positive surgical margins, several technologies have been studied and introduced to aid in intraoperative tissue identification, but the clinical adoption has been limited due to various impeding factors involved in their use. In this thesis, a concept that could potentially be used in the assessment of the intraoperative surgical margin is introduced through five scientific publications that concentrate on the evolution and feasibility of the technology in tissue identification. The basis of the technology is the measurement of surgical smoke with differential mobility spectrometry (DMS). DMS is a measurement technology that provides information on the molecular content of a gaseous sample in atmospheric pressure by means of ionisation and subsequent differentiation of the ions in a high-strength asymmetric electric field. DMS is comparable to mass spectrometry (MS), and even though the analytical performance of MS is better, the reduced complexity, smaller size and lower cost of DMS make it an advantageous option. DMS has been used as a standalone measurement instrument in many types of general gas measurement applications and in some biomedical applications, such as breath analysis, but the context of use has always permitted a controlled environment and a relatively long measurement duration. Thus, the real-time application of surgical smoke measurement requires additional hardware and parameter optimisation. In addition, raw DMS measurement data do not provide directly quantifiable information on certain biomolecules, but rather a comprehensive spectrum of all contents in the sample combined. This means that the interpretation and identification of tissue type from the DMS output spectra is not trivial and involves a high number of dimensions that are most effectively analysed by means of machine learning. The interdisciplinary aspects of the system and their combined function and performance in tissue identification are the focus of this thesis. In the first three publications included in the thesis, the focus was on studying the overall feasibility of tissue identification and its possibilities with animal tissues and clinically relevant breast cancer samples. The results in laboratory conditions with controlled sampling were promising, and the diagnostic performance demonstrated the potential of the technology in tissue identification. In Publication IV, the system was modified to accommodate real-time measurements and to relay the classification information immediately after the measurement. The results demonstrated the feasibility of real-time tissue identification with the system, albeit in laboratory conditions and in a porcine model. In the final study, a prototype system was used intraoperatively during breast cancer surgeries. The results of this study were not comparable to the laboratory results in respect to diagnostic performance but indicated that the system can be adapted to the surgical workflow with minimal intrusiveness to provide information on the operated tissue. Overall, the results of this study indicate that a DMS-based tissue identification system has the potential to be used in real-time applications to identify tissue types with adequate diagnostic performance. With further development, the system presented in this thesis could fulfil the need for a surgical margin assessment device that would reduce avoidable reoperations of solid cancers and thus protect the well-being of cancer patients