WO2017060425A1 - Vorrichtung und verfahren zur erkennung und/oder beurteilung pathologischer zustände - Google Patents

Vorrichtung und verfahren zur erkennung und/oder beurteilung pathologischer zustände Download PDF

Info

Publication number
WO2017060425A1
WO2017060425A1 PCT/EP2016/073998 EP2016073998W WO2017060425A1 WO 2017060425 A1 WO2017060425 A1 WO 2017060425A1 EP 2016073998 W EP2016073998 W EP 2016073998W WO 2017060425 A1 WO2017060425 A1 WO 2017060425A1
Authority
WO
WIPO (PCT)
Prior art keywords
tumor
raman
aggressive
raman spectrum
evaluation device
Prior art date
Application number
PCT/EP2016/073998
Other languages
English (en)
French (fr)
Inventor
Karin SCHÜTZE
Raimund SCHÜTZE
Original Assignee
Celltool Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Celltool Gmbh filed Critical Celltool Gmbh
Priority to US15/766,516 priority Critical patent/US10551321B2/en
Priority to EP16778373.7A priority patent/EP3359954A1/de
Publication of WO2017060425A1 publication Critical patent/WO2017060425A1/de

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G01N2021/653—Coherent methods [CARS]
    • G01N2021/656—Raman microprobe
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the invention relates to devices and methods for the detection and / or machine-aided assessment of pathological conditions.
  • the invention relates to devices and methods for detecting and / or assessing tumors based on an evaluation of at least one Raman spectrum.
  • the invention relates to devices and methods with which a sample, for example a biopsy, a tissue section, blood, urine, lymph, interstitial fluid or ejaculate is quantitatively evaluated in order to detect whether an aggressive or a non-aggressive tumor is present.
  • the timely detection of tumors with a determination of whether it is a malignant or benign tumor is of considerable importance.
  • Various techniques are known. Suspected diagnoses can be created by digital rectal examinations as palpation findings. For a quantitative examination ultrasound examination, magnetic resonance tomography or positron emission tomography (PET) can be used.
  • PET positron emission tomography
  • biomarkers such as protein biomarkers, can help detect and distinguish malignant tumors and benign tumors. Some of these biomarkers can be detected, for example, in the blood, urine or ejaculate. When examining a biopsied tissue sample, the tissue sample is used to determine whether an aggressive tumor is present.
  • biopsies especially in the case of small tumors, can only contain tissue which contains no tumor cells or which is located far away from the tumor.
  • conventional examination methods often do not allow sufficiently reliable knowledge as to whether an aggressive or non-aggressive tumor is present.
  • a Raman spectroscopy is performed to examine a sample.
  • One or more Raman spectra collected on a tumor stroma can be analyzed to obtain a Raman spectroscopic fingerprint of an aggressive or non-aggressive tumor from the Raman spectrum or from a location-dependent change in Raman spectra ,
  • one or several Raman spectra can be analyzed in order to detect tumors and optionally their aggressiveness on the basis of the pattern of Raman peaks in a Raman spectrum. know and / or to determine their spatial distribution.
  • the sample may be a tissue sample, for example a biopsy or a tissue section.
  • the sample By evaluating one or more Raman spectra, the sample can be examined objectively and quantitatively. A comparison can be made with reference data stored in a database to determine if a malignant or benign tumor is present. Additional statements can be obtained from the Raman spectra, such as the aggressiveness or stage of the tumor (so-called grading, staging, or scoring).
  • the reference data can be obtained from the Raman spectra of tissue samples from organs taken by ectomy, from biopsies, from cancer cells from cell cultures or by measuring the Raman spectra of biomarkers.
  • the reference data can be determined from Raman spectra of the stroma inside or outside the tumor.
  • the reference data may include or be determined from reference spectra that depend on both Raman spectra of normal tissue and Raman spectra of cancerous tissue. Corresponding reference spectra can be generated for stroma and / or tissue that is not stroma of the tumor.
  • a device for detecting and / or assessing a pathological condition comprises a Raman spectroscopy system and an electronic evaluation device, which is set up to perform a recognition and / or assessment of the pathological condition as a function of an evaluation of at least one Raman spectrum detected on stroma.
  • the electronic evaluation device can be set up to perform the detection and / or assessment of the tumor as a function of the evaluation of a Raman spectrum detected on the stroma outside a tumor.
  • the electronic evaluation device can be set up to perform a grading, staging or scoring of a tumor depending on the at least one Raman spectrum.
  • the electronic evaluation device can be set up to determine, depending on the at least one Raman spectrum, whether a tumor is aggressive or not aggressive.
  • the electronic evaluation device can be set up to retrieve the reference data for the detection and / or assessment of the tumor as a function of a tumor type of the tumor.
  • reference data for different tissues, for example breast, pancreas, intestine, lung, thyroid, stomach and / or ovary, respectively assigned reference data can be stored with which at least one Raman spectrum detected on a stroma outside the tumor is compared to assess the aggressiveness of a tumor can.
  • the device may be configured to detect and / or automatically assess a breast tumor, a pancreatic tumor, a colon tumor, a lung tumor, a thyroid tumor, a gastric tumor and / or an ovarian tumor.
  • the electronic evaluation device can be set up to detect endometriosis by evaluating the at least one Raman spectrum detected on the stroma of an endometrium.
  • the electronic evaluation device can be set up to apply a support vector machine to data obtained from the at least one Raman spectrum.
  • the electronic evaluation device can be set up to subject the at least one Raman spectrum to a principal component analysis and to apply the support vector machine to determined main components.
  • the support vector machine may have a linear core.
  • the apparatus may include a sample holder for holding a sample for Raman spectroscopy, the apparatus being arranged to couple an excitation beam of the Raman spectroscopy system from a bottom surface of the sample holder to the sample.
  • the device may comprise a camera for acquiring an overview image of the sample.
  • a method for detecting and / or assessing a pathological condition comprises detecting at least one Raman spectrum.
  • the method comprises evaluating the at least one Raman spectrum by an electronic computing device, wherein at least one Raman spectrum detected for stroma is evaluated by the electronic computing device for recognition and / or assessment of the pathological condition.
  • the recognition and / or assessment of the tumor can take place depending on the evaluation of a Raman spectrum detected on the stroma outside of a tumor.
  • the electronic computing device may perform a grading, staging or scoring of a tumor depending on the at least one Raman spectrum.
  • the electronic evaluation device can determine, depending on the at least one Raman spectrum, whether a tumor is aggressive or non-aggressive.
  • the electronic evaluation device can retrieve reference data used to detect and / or assess the tumor, depending on a tumor type of the tumor.
  • the method may be used to automatically detect and / or assess a breast tumor based on one or more Raman spectra acquired in a stroma.
  • the method can be used for automatically detecting and / or assessing a pancreatic tumor based on one or more Raman spectra detected in a stroma.
  • the method may be used to automatically detect and / or assess a colon tumor based on one or more Raman spectra acquired in a stroma.
  • the method can be used to automatically detect and / or assess a lung tumor using one or more Raman spectra acquired in a stroma.
  • the method may be used to automatically detect and / or assess a thyroid tumor based on one or more Raman spectra acquired in a stroma.
  • the method may be used to automatically detect and / or assess a gastric tumor based on one or more Raman spectra acquired in a stroma.
  • the method may be used to automatically detect and / or assess an ovarian tumor based on one or more Raman spectra acquired in a stroma.
  • the electronic evaluation device detects endometriosis by evaluating the at least one Raman spectrum detected on the stroma of an endometrium.
  • the electronic evaluation device can apply a support vector machine to data obtained from the at least one Raman spectrum.
  • the electronic evaluation device can subject the at least one Raman spectrum to a principal component analysis and apply the support vector machine to determined main components.
  • the support vector machine may have a linear core.
  • the excitation beam of the Raman spectroscopy system can be coupled into a sample when the at least one Raman spectrum is detected from an underside of a sample holder.
  • an overview image of a sample on which the Raman spectra are acquired can be detected with a camera.
  • a device for detecting a tumor may be in Raman spectroscopy system for detecting at least one Raman spectrum of a sample, wherein the at least one Raman spectrum on a stroma of a tumor, in particular outside of the tumor, can be detected.
  • the device comprises an electronic evaluation device that is set up to detect the tumor as a function of an evaluation of the at least one Raman spectrum.
  • the electronic evaluation device can be set up to detect, by evaluating the at least one Raman spectrum, whether an aggressive tumor or a non-aggressive tumor is present.
  • the electronic evaluation device can be set up to evaluate an intensity of the Raman signal at at least one wave number that is associated with a biomarker for an aggressive tumor or for a non-aggressive tumor.
  • the electronic evaluation device can be set up to detect whether the tumor is malignant by evaluating the at least one Raman spectrum.
  • the electronic evaluation device can be set up to detect whether the tumor is malignant by evaluating the at least one Raman spectrum even if a Gleason score of, for example, 6 does not permit a clear association with malignant or non-malignant.
  • the electronic evaluation device can be set up to detect an aggressiveness of the tumor by evaluating the at least one Raman spectrum.
  • the electronic evaluation device can be set up to carry out an evaluation of a malignant tumor (so-called "grading" of the tumor) by evaluating the at least one Raman spectrum.
  • the electronic evaluation device can be set up to determine the evaluation of the at least one Raman spectrum in which stage the tumor is located (so-called "staging" of the tumor).
  • the device may be configured to detect at least one Raman spectrum at a plurality of positions of a tissue sample.
  • the apparatus may include at least one controllable motor for causing relative movement between the sample and optical components of the Raman spectroscopy system to automatically acquire Raman spectra at a plurality of positions of the tissue sample.
  • the plurality of positions and the distance may also be user-definable.
  • the plurality of positions and the distance may be determined automatically by the system, for example, by predetermined configurations, which may be implemented in hardware, software or firmware.
  • the device may be configured to define the plurality of positions so that a Raman spectrum can be detected in each case for individual cells in a tissue sample.
  • the device may be configured to define a plurality of positions such that for individual subcellular Areas, for example, for cell nuclei and cytoplasm, in a tissue sample in each case a Raman spectrum is detected.
  • the apparatus may include at least one controllable motor for causing relative movement between the sample and optical components of the Raman spectroscopy system to automatically detect Raman spectra at the plurality of locations of the tissue sample.
  • the plurality of positions may also be user-definable.
  • the electronic evaluation device can be set up to evaluate the Raman spectra acquired at the plurality of positions. In particular, changes in Raman peaks associated with benign or malignant tumors can be automatically detected.
  • the electronic evaluation device can be set up to perform a statistical analysis, for example a principal component analysis (PCA) or a hierarchical or non-hierarchical cluster analysis, for the Raman spectra acquired at the plurality of positions.
  • PCA principal component analysis
  • a hierarchical or non-hierarchical cluster analysis for the Raman spectra acquired at the plurality of positions.
  • the electronic evaluation device can make an assessment as to whether an aggressive or a non-aggressive tumor is present.
  • Principal component analysis or cluster analysis may allow automatic discrimination of aggressive or non-aggressive tumors based on Raman spectra.
  • the electronic evaluation device can be set up to determine a location-dependent change of a Raman signal from the Raman spectra acquired at the plurality of positions in order to determine whether an aggressive or a non-aggressive tumor is present.
  • the location-dependent change of the Raman signal of at least one biomarker for aggressive tumors can be detected to determine whether an aggressive tumor or a non-aggressive tumor is present.
  • the location-dependent change of the result of the statistical analysis of the Raman spectra recorded at several positions can be determined in order to whether an aggressive tumor or a non-aggressive tumor is present. In this way it can be determined from the entirety of the Raman spectrum whether an aggressive or a non-aggressive tumor is present.
  • a distinction between aggressive and non-aggressive tumors can be made without it being absolutely necessary to assign individual Raman peaks to biomarkers or other substances. Rather, the pattern of Raman peaks can be evaluated to distinguish aggressive and non-aggressive tumors, automatically perform grading, staging, or scoring. It can be determined from the totality of the Raman spectrum whether an aggressive or non-aggressive tumor is present. With a statistical analysis, e.g. PCA or cluster techniques, one or more patterns in the spectrum may be used as a distinguishing criterion for distinguishing aggressive and non-aggressive tumors. Such patterns may be defined by the location of multiple Raman peaks, their height, and / or the slope of the flanks.
  • the reaction of cells of the tumor-affected organ, stromal cells or other constituents of the sample to substances produced by a tumor can also be detected.
  • the electronic evaluation device can be set up in order to determine a gradient of the local change spatially resolved.
  • the gradient may be the gradient of an intensity, ie the amplitude, of a Raman peak.
  • the gradient may be the gradient of a height, slope of Raman peaks and / or combination of the peaks.
  • the gradient may be the gradient of a location of the result of a principal component analysis or a hierarchical or non-hierarchical cluster analysis in a multi-dimensional data space. This can be an assessment the tumor can be made by the electronic evaluation device. Alternatively or in addition, conclusions about the position of the malignant tumor can be drawn.
  • the electronic evaluation device can be set up to determine the gradient spatially resolved.
  • the electronic evaluation device can be set up to determine a position of the tumor in the tissue sample or relative to the tissue sample by evaluating the Raman spectra acquired at the plurality of positions.
  • the electronic evaluation device can be set up to determine the position of a malignant tumor based on the local change of Raman signals even if no cancer cells are contained in the tissue sample.
  • the electronic evaluation device can be set up to determine the position of an aggressive tumor based on the local variation of Raman signals even if the tissue sample is a tissue sample of the stroma outside and / or inside the tumor.
  • the electronic evaluation device can be set up to compare the Raman spectra acquired at the plurality of positions with stored reference spectra.
  • the reference spectra may include spatially resolved Raman spectra of malignant tumor samples, nonaggressive tumor samples, and / or tumorless samples.
  • the electronic evaluation device can be set up to subject the Raman spectra acquired at the plurality of positions to a statistical analysis, for example a principal component analysis or a hierarchical or non-hierarchical cluster analysis, and to compare the result with a static analysis of the reference spectra.
  • a statistical analysis for example a principal component analysis or a hierarchical or non-hierarchical cluster analysis
  • the tissue sample may be a histological section of a biopsy.
  • the biopsy may be a biopsy obtained by punch biopsy.
  • the tissue sample may be a histological section of one or more portions of a surgically removed tissue.
  • the device can be set up to detect multiple Raman spectra for spatially resolved tissue samples of multiple biopsies.
  • the Raman spectra evaluated for the multiple biopsies can be used to determine if a benign tumor or a malignant tumor is present.
  • the Raman spectra evaluated for the multiple biopsies can be used to determine if an aggressive tumor or non-aggressive tumor is present.
  • the biopsy may be a biopsy of the tumor's stroma.
  • the biopsy may be a biopsy of the stroma outside the tumor.
  • the sample may comprise blood, urine, lymph, interstitial or ejaculate, or may be derived from blood, urine, lymph, interstitial or ejaculate.
  • the device may be configured to determine, by Raman spectroscopy, whether biomolecules or biomarkers exist that indicate the presence of an aggressive tumor.
  • the biomolecules identified by Raman spectroscopy can be, for example, DNA or proteins, ie genetic or molecular biomarkers or a mixture thereof.
  • the biomarkers can be protein biomarkers.
  • the resulting characteristic Raman spectra can be used as a "photonic fingerprint" providing a photonic biomarker for the detection of aggressive tumors, which can be used as a reference for further investigations, but it is not possible to assign such photonic fingerprints to individual biomarkers
  • statistical analysis such as principal component analysis or cluster analysis may be applied to one or more acquired Raman spectra to detect whether the detected Raman spectrum is aggressive or a non-aggressive tumor.
  • the electronic evaluation device can be set up to determine an aggressiveness of the tumor by evaluating the at least one Raman spectrum.
  • the electronic evaluation device can be set up to determine the aggressiveness of the tumor based on the acquired Raman spectrum at one or more wavenumbers or wavenumber ranges.
  • the one or more wavenumbers or wavenumber ranges may be selected from single or multiple wavenumber groups.
  • the wavenumber groups may depend on the particular tissue or tumor being examined.
  • a method for evaluating a sample to detect a tumor may include detecting at least one Raman spectrum of the sample and detecting the tumor by evaluating the at least one Raman spectrum.
  • the sample can be a tissue sample, for example a tissue section of a biopsy sample obtained by punch biopsy.
  • the tissue sample may be a histological section of one or more pieces of surgically removed tissue.
  • Raman spectra can be acquired at a plurality of positions of the tissue sample.
  • the Raman spectra acquired at the plurality of positions can be evaluated to detect the tumor.
  • a statistical analysis for example a principal component analysis or a hierarchical or non-hierarchical cluster analysis, can be carried out in each case.
  • the Raman spectra can be detected at a plurality of subcellular positions of the cells in a tissue sample.
  • the Raman spectra collected at the majority of subcellular locations can be evaluated to detect the tumor.
  • a spatially resolved variation of Raman signals associated with aggressive tumors can be determined.
  • the location-dependent change in the result of the statistical analysis of the Raman spectra recorded at several positions can be determined in order to determine whether an aggressive tumor or a non-aggressive tumor is present. In this way it can be determined from the entirety of the Raman spectrum whether an aggressive or a non-aggressive tumor is present.
  • An assignment of Raman peaks to individual biomarkers is possible, but not essential. A distinction between aggressive and non-aggressive tumors is possible in a simple manner.
  • a position of the tumor in the tissue sample or relative to the tissue sample can be determined.
  • an aggressiveness of the tumor can be determined.
  • the result of a statistical analysis of the Raman spectrum can be compared with the results of this statistical analysis for reference spectra associated with aggressive and non-aggressive tumors.
  • the method may yield one or more "photonic fingerprints" of the sample that define the detected Raman intensity at a plurality N of wavenumbers, for example, N> 100 wavenumbers, and assigning such photonic fingerprints to individual biomarkers is possible.
  • a statistical analysis such as a principal component analysis or a cluster analysis may be applied to one or more acquired Raman spectra to determine whether the detected Raman spectrum is not necessary to distinguish, for example, aggressive from non-aggressive tumors attributable to an aggressive or a non-aggressive tumor.
  • a support vector machine SVM
  • SVM support vector machine
  • the method may be performed automatically by the device according to one embodiment.
  • the methods of embodiments may be performed remotely from the human or animal body.
  • the device of embodiments may be used for examination of the sample, the examination being performed remotely from the human or animal body.
  • the devices and methods of embodiments may be such that recovery of the sample, particularly recovery of a biopsy or tissue cut, is not part of the claimed devices and methods.
  • Devices and methods according to embodiments allow an objective detection of aggressive tumors and their differentiation from non-aggressive tumors by quantitative evaluation of at least one Raman spectrum of a sample.
  • Devices and methods according to embodiments may be adapted to detect and / or assess tumors that are not prostate tumors.
  • Figure 1 shows a schematic representation of a device according to an embodiment.
  • Figure 2 shows the spatially resolved detection of Raman spectra of a sample according to an embodiment.
  • Figure 3 shows the spatially resolved detection of Raman spectra of a sample according to an embodiment.
  • FIG. 4 shows an exemplary Raman spectrum which is evaluated by a device according to an exemplary embodiment.
  • FIG. 5 shows a further exemplary Raman spectrum which is evaluated by a device according to an exemplary embodiment.
  • FIG. 6 shows a further exemplary Raman spectrum which is evaluated by a device according to an exemplary embodiment.
  • FIG. 7 illustrates a processing of acquired Raman spectra by a device according to an embodiment.
  • FIG. 8 illustrates a sample analyzed by a device according to an embodiment for illustrating the operation of the device.
  • FIG. 9 illustrates a processing of acquired Raman spectra by a device according to an exemplary embodiment.
  • FIG. 10 illustrates a processing of acquired Raman spectra by a device according to an embodiment.
  • FIG. 11 illustrates a processing of acquired Raman spectra by a device according to an embodiment.
  • FIG. 12 illustrates a processing of acquired Raman spectra by a device according to an embodiment.
  • FIG. 13 illustrates a processing of acquired Raman spectra by a device according to an embodiment.
  • FIG. 14 is a flowchart of a method according to an embodiment.
  • FIG. 15 is a flowchart of a method according to an embodiment.
  • FIG. 16 is a flowchart of a method according to an embodiment.
  • Figure 17 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a breast tumor.
  • Figure 18 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a pancreatic tumor.
  • Figure 19 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a colon tumor.
  • Figure 20 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a lung tumor.
  • Figure 21 illustrates processing of acquired Raman spectra by an apparatus according to one embodiment for assessing the aggressiveness or non-aggressiveness of a thyroid tumor.
  • Figure 22 illustrates processing of acquired Raman spectra by a device according to an embodiment for evaluating the aggressiveness or non-aggressiveness of a gastric tumor.
  • Figure 23 illustrates processing of acquired Raman spectra by an apparatus according to one embodiment for assessing the aggressiveness or non-aggressiveness of an ovarian tumor.
  • FIG. 24 illustrates a processing of acquired Raman spectra by a device according to an embodiment for detecting an endometriosis.
  • Devices and methods of embodiments may be used to examine a sample to detect and assess pathological conditions.
  • Devices and methods of embodiments may be used to automatically assess a tumor to determine the aggressiveness of the tumor.
  • the assessment may be based on one or more Raman spectra acquired on a stroma.
  • the stroma may be located outside the tumor.
  • Other pathological conditions such as endometriosis, can be detected.
  • At least one Raman spectrum of a sample is detected.
  • the sample may be, for example, a tissue section of a biopsy sample obtained by punch biopsy, a tissue section of a surgically removed organ or other tissue, blood, urine, ejaculate, lymph or interstitial fluid, or obtained therefrom.
  • Wenigs- At least one Raman spectrum is evaluated to determine if a malignant tumor is present. Additional determinations, such as grading or staging, may be made using one or more Raman spectra.
  • Figure 1 is a schematic representation of a device 1 according to an embodiment.
  • the device 1 is set up to examine a sample 9 with Raman spectroscopy in order to detect a tumor, in particular a malignant tumor.
  • the corresponding detection takes place on the basis of at least one Raman spectrum which the device 1 can detect and evaluate automatically.
  • the device 1 comprises a Raman spectroscopy system 10 and an evaluation device 20.
  • the Raman spectroscopy system 10 is set up to detect a Raman spectrum of the sample 9.
  • the sample 9 can be obtained, for example, from blood, urine, ejaculate, biopsy or a tissue section, the recovery of the sample, in particular by punch biopsy or other removal of material, not being the subject matter of the methods according to exemplary embodiments.
  • the sample 9 may contain cells of the stroma of the tumor.
  • the sample 9 may contain cells of a breast.
  • the Raman spectroscopy system 10 comprises a light source 11, which may in particular be a laser.
  • the light source 1 1 is arranged to output an excitation beam 17.
  • a Raman spectrometer 14 receives light scattered at the sample 9 by Stokes processes and / or anti-Stokes processes.
  • the Raman spectrometer 14 may include a diffractive element 15 and an image sensor 16 to detect the Raman spectrum of the sample 9.
  • the Raman spectroscopy system 10 may comprise further elements in a manner known per se, for example focusing optical elements 12, 13, which may be designed as lenses, and / or diaphragms.
  • the device 1 can be set up such that the excitation beam of the Raman spectroscopy system is directed onto the sample 9 from an underside of a sample holder 19.
  • the device 1 may comprise an actuator 2 for adjusting the sample holder 19.
  • the device 1 may comprise a camera 3 for acquiring an overview image of the sample 9.
  • a control of the actuator 2 and / or the light source 1 1 can be carried out depending on a captured with the camera 3 image.
  • the device 1 comprises an evaluation device 20.
  • the evaluation device 20 may be a computer or may comprise a computer.
  • the evaluation device 20 is coupled to the Raman spectroscopy system 10.
  • the evaluation device 20 can control the detection of the Raman spectrum by the Raman spectroscopy system 10.
  • the evaluation device 20 can control the Raman spectroscopy system 10 such that Raman spectra are detected spatially resolved at a plurality of locations of the sample 9.
  • the evaluation device 20 has an interface 21 in order to receive data from the image sensor 16 of the Raman spectroscopy system 10.
  • the evaluation device has a semiconductor integrated circuit 22, which may comprise a processor or controller and which is configured to evaluate the detected Raman spectrum in order to determine.
  • the semiconductor integrated circuit 22 is arranged to determine, based on the at least one Raman spectrum, whether a malignant tumor is present.
  • the semiconductor integrated circuit 22 may be configured to detect from the pattern of Raman peaks whether a tumor is aggressive or non-aggressive and / or to make a staging.
  • the integrated semiconductor circuit 22 can be set up, for example, to quantitatively determine by evaluating the at least one Raman spectrum detected on the outside of the tumor. determine whether the tumor is aggressive or not aggressive in order to undergo grading or staging.
  • the integrated semiconductor circuit 22 can be set up to quantitatively determine, by evaluating the at least one Raman spectrum, whether and in what quantity biomarkers for a malignant tumor are present.
  • the semiconductor integrated circuit 22 may be configured to determine, for a tissue sample, local changes, and in particular local gradients, of Raman signals associated with malignant tumors. Characteristic location-dependent changes of Raman spectra associated with an aggressive tumor can be stored in a database. The location-dependent change of the Raman signal, for which information is stored in the database, may indicate a change in the Raman signal in the stroma outside the tumor.
  • the Raman peaks evaluated by the semiconductor integrated circuit 22 may be associated with molecular or genetic biomarkers.
  • the Raman peaks evaluated by the semiconductor integrated circuit 22 may be associated with protein biomarkers.
  • the device 1 may be configured to optionally also determine the spatial variation of Raman spectra. Some of the characteristics of a Raman spectrum may be more pronounced near an aggressive tumor, while others of the characteristics are more prominent at a distance from an aggressive tumor than in the immediate vicinity of the aggressive tumor.
  • the semiconductor integrated circuit 22 can process detected Raman spectra in different ways. For example, statistical methods, eg a principal component analysis, can be used. Other statistical methods, such as a hierarchical cluster analysis, can be used to assess whether a Raman spectrum in its entirety is attributable to an aggressive or a non-aggressive tumor. Additionally or alternatively, Raman spectra or the location dependent variation of at least single Raman peaks may be compared to reference data to determine if an aggressive one Tumor is present. The determination of the gradient is not limited to the intensity of individual Raman peaks, but may, for example, also be made for the distance of a data point in an N-dimensional data space from a principal component analysis of the area in the N-dimensional data space associated with an aggressive tumor become. The corresponding processing can be performed automatically by the semiconductor integrated circuit 22.
  • statistical methods eg a principal component analysis
  • Other statistical methods such as a hierarchical cluster analysis
  • Raman spectra or the location dependent variation of at least single Raman peaks may be compared
  • the semiconductor integrated circuit 22 may be configured to execute a support vector machine (SVM).
  • SVM support vector machine
  • the support vector machine can be used to distinguish aggressive and non-aggressive tumors.
  • the support vector machine may be applied to results of a principal component analysis of the at least one Raman spectrum to determine if the tumor is aggressive or non-aggressive.
  • the evaluation device 20 may include a memory 23, in which the reference data 24 are stored, which may use the integrated semiconductor circuit 22 in the evaluation of the Raman spectrum.
  • the reference data 24 may include reference data sets 26-28 for different types of tumors.
  • the reference data 24 may include reference datasets 26-28 associated with at least one of the following tumors: a breast tumor, a pancreatic tumor, a colon tumor, a lung tumor, a thyroid tumor, a gastric tumor, and / or an ovarian tumor.
  • the reference data 24 may include reference data sets 26-28 associated with two or more of the following tumors: a breast tumor, a pancreatic tumor, a colon tumor, a lung tumor, a thyroid tumor, a gastric tumor, and / or an ovarian tumor.
  • the semiconductor integrated circuit 22 may retrieve and use the corresponding reference data set 26-28.
  • the reference data set can in each case specify in which areas of a main component space data points which correspond to an aggressive tumor and data points which correspond to a non-aggressive tumor are arranged.
  • the reference data set may each include information about reference Raman spectra detected at the stroma outside of aggressive tumors were collected at the stroma outside of non-aggressive tumors.
  • the evaluation device 20 may comprise an optical and / or acoustic output unit 25 via which, depending on the analysis of the at least one Raman spectrum, information is output that indicates whether an aggressive tumor is present. An assessment of the aggressiveness of the tumor can be issued. Information about a stage of carcinoma can be output.
  • the evaluation device 20 and the Raman spectroscopy system 10 are shown schematically as separate units in FIG. 1, the functions of the evaluation device 20 can also be integrated in a housing of the Raman spectroscopy system 10.
  • the Raman spectroscopy system 10 and the evaluation device 20 can be configured as mobile units, in particular as portable units.
  • FIG. 2 schematically shows a tissue sample 30.
  • the tissue sample is shown as a tissue section.
  • the described techniques can also be used on tissue samples of other geometry, for example biopsy data obtained with punch biopsy.
  • An aggressive tumor 31, which is shown only schematically, may be present.
  • the tissue sample 30 may contain a stroma of the tumor. In particular, it is not necessary for the described evaluation techniques to include tumor cells themselves in the tissue sample 30.
  • the signal detection and relative movement between a slide and optical components of the Raman spectroscopy system can be automatically controlled by the evaluation device 20.
  • Raman spectra can be detected at a plurality of separate small regions 32-35. Although a regular arrangement of points is shown schematically in FIG. 2, at which the Raman spectra are detected, the detection can also take place on an irregular arrangement of points. Different patterns of points can be defined at which Raman spectroscopy should be performed. At least some of the items 32-35 may also be user definable.
  • the evaluation device 20 may include a corresponding input interface, with which a user-defined definition of those points is made possible, at each of which a Raman spectrum is to be detected.
  • the spatially resolved detection of Raman spectra can be done at longer intervals. According to embodiments, the spatially resolved detection of at least two Raman spectra but also on subcellular structures. At least two Raman spectra at different subcellular regions, for example for cell nuclei and cytoplasm, in a tissue sample can be detected and evaluated by the evaluation device 20.
  • the acquired Raman spectra can be evaluated in different ways. For example, for each of the Raman spectra, a statistical analysis, e.g. a principal component analysis or a hierarchical cluster analysis. In this way, an assessment can be made as to whether a Raman spectrum or the majority of acquired Raman spectra are associated with an aggressive or a non-aggressive tumor. An assignment of individual Raman peaks or specific spectra patterns to biomarkers may or may not be performed.
  • the evaluation device 20 can be set up to determine from the entirety of the Raman spectrum whether an aggressive or non-aggressive tumor is present. With statistical analysis, eg PCA or clustering techniques, one or more patterns in the spectrum can be used as a distinguishing criterion for distinguishing aggressive and non-aggressive tumors. Such patterns may be defined by the location of multiple Raman peaks, their height, and / or the slope of the flanks.
  • the evaluation device 20 can Run a support vector machine to determine from the PCA results if an aggressive or non-aggressive tumor is present.
  • At least one and advantageously more of the evaluated Raman spectra are detected at a stroma 40 outside the tumor 31.
  • FIG. 3 shows by way of example the evaluation of Raman spectra 36-39 for the detection and optionally for the determination of the aggressiveness of tumors.
  • the Raman spectra 36-39 can be detected at different positions.
  • the position relative to the tumor 31 may also be unknown in advance.
  • changes in the Raman spectra 36-39 can be seen, from which the presence of an aggressive or non-aggressive tumor can be concluded.
  • FIG. 4 shows an exemplary Raman spectrum 41 detected by the device 1 on the sample 9.
  • the device 1 may detect the Raman spectrum 40 at a point 33 of the tissue sample 30.
  • the evaluation device 20 can automatically detect a pattern of several Raman peaks, which is characteristic of an aggressive tumor or a non-aggressive tumor.
  • the evaluation device 20 may be configured to analyze a characteristic wavenumber range or several characteristic wavenumber ranges in order to identify a pattern of Raman peaks characteristic of aggressive or non-aggressive tumors.
  • the evaluation device 20 can automatically recognize characteristic patterns of one or more Raman spectra.
  • the wave numbers at which Raman peaks are located, the peak height, the slope, distances between the peaks and / or combinations of peaks in one or more Raman spectra can be recognized to determine whether an aggressive or a non-aggressive tumor present and / or to detect a tumor.
  • the evaluation device 20 can assess the tumor in order to determine aggressiveness.
  • the Raman peaks shown schematically in FIG. 4 need not be recognized individually.
  • the evaluation device 20 can subject the Raman spectrum in its entirety to a statistical analysis in order to detect whether the Raman spectrum is associated with an aggressive or a non-aggressive tumor.
  • the analysis may include the application of a support vector machine
  • Raman spectra can be recorded on the sample 9. A comparison of the different Raman spectra can be used to determine if an aggressive tumor is present and / or to assess the aggressiveness of the malignant tumor.
  • FIG. 5 shows, by way of example, another Raman spectrum 42, which is detected at a different position of the sample 9 than the Raman spectrum 41.
  • the Raman spectrum 41 is also shown in FIG. 5 with broken lines for comparison.
  • the further Raman spectrum 42 can be detected at a position 35 which is closer to the tumor than the position 33 at which the Raman spectrum 41 was detected. Even if the position of the tumor or even its presence is not known a priori, it can be determined by comparison of the further Raman spectrum 42 at the position 35 and the Raman spectrum 41 at the position 33 whether an aggressive tumor is present is. It can also be determined in which direction the tumor is located relative to the positions 33, 35.
  • the intensity of the Raman signal and / or the spectral weight of the Raman peaks may be different in the Raman spectrum 42 from the intensity and / or the spectral weight in the Raman spectrum 41.
  • the intensity of The signal strength of one or more Raman peaks increases as one approaches the position of the aggressive tumor, when the corresponding biomarker is more present in the immediate vicinity of the tumor than at more distant locations.
  • the intensity of the signal at one or more other Raman peaks may become smaller as one approaches the position of the aggressive tumor, if the corresponding biomarker is less present in the immediate vicinity of the tumor than at more remote locations.
  • the gradient of the Raman peaks does not have to be determined individually.
  • the evaluation device 20 can subject the Raman spectrum in its entirety to a statistical analysis in order to detect whether the Raman spectrum is associated with an aggressive or a non-aggressive tumor.
  • a statistical analysis may include a support vector machine.
  • FIG. 6 shows by way of example another Raman spectrum 43 which is acquired at a different position of the sample 9 than the Raman spectrum 41.
  • the Raman spectrum 41 is also shown with broken lines for comparison.
  • the further Raman spectrum 43 can be detected at a position 32 which is farther from the tumor than the position 33 at which the Raman spectrum 41 was detected. Even if the location of the tumor or even its presence is not known a priori, it can be determined from a comparison of the further Raman spectrum 43 at position 32 and the Raman spectrum 41 at position 33 whether a malignant tumor is present. It can also be determined in which direction the tumor is located relative to the positions 33, 35.
  • the intensity of the Raman signal and / or the spectral weight of the Raman peaks can be determined in the Raman spectrum 43 by the intensity and / or the spectral be different in the Raman spectrum 41.
  • the intensity of the signal at one or more Raman peaks may become smaller as one moves away from the position of the aggressive tumor if the corresponding biomarker is more present in the immediate vicinity of the tumor than at more distant locations.
  • the intensity of the signal at one or more other Raman peaks may increase as one moves away from the position of the aggressive tumor if the corresponding biomarker is less present in the immediate vicinity of the tumor than at more remote locations.
  • the gradient of the Raman peaks does not have to be determined individually.
  • the evaluation device 20 can subject the Raman spectrum in its entirety to a statistical analysis in order to detect whether the Raman spectrum is associated with an aggressive or a non-aggressive tumor.
  • a statistical analysis in order to detect whether the Raman spectrum is associated with an aggressive or a non-aggressive tumor.
  • an assignment of Raman spectra to aggressive or non-aggressive tumors based on the result of a statistical analysis of the device can be made automatically, without the need for the individual Raman peaks before the measurement must be previously known.
  • the information of several Raman spectra 41-43 can be combined to obtain information about the presence of a malignant tumor or its aggressiveness.
  • the information of several Raman spectra 41-43 can each be further analyzed with a support vector machine to make a statement on aggressiveness or staging.
  • a local gradient of the intensity of the Raman signal at one or more of the Raman peaks characteristic of an aggressive tumor may be determined.
  • the gradient of the intensity or the spectral weight of the Raman peak in one, two or three dimensions can be determined mathematically for several points.
  • a determination of the gradient may be in n dimensions, where n may be equal to or greater than one.
  • the gradient may also be based on the result of further analysis of the Raman spectra. For example, by a statistical evaluation, each Raman spectrum can be assigned to a point in an N-dimensional data space, where N »1, for example N> 100.
  • the N-dimensional data space may be the data space spanned by the main components in a principal component analysis.
  • the location-dependent alteration of Raman spectra may include site-dependent appearance of additional Raman peaks that may indicate the presence of additional biomolecules depending on a distance from the tumor and may indicate the aggressiveness or non-aggressiveness of the tumor. Also, Raman peaks can vanish in a location-dependent manner (i.e., in a location-dependent manner), which can also be used to deduce the aggressiveness or non-aggressiveness of the tumor.
  • the location-dependent variation of Raman spectra may involve shifting the point that can shift the corresponding Raman spectrum in an N-dimensional data space, where N »1, for example N> 100.
  • the N-dimensional data space may be the data space spanned by the principal components in a principal component analysis.
  • the evaluator 20 may be configured to perform a principal component analysis, a cluster analysis, or other statistical analysis of at least one Raman spectrum.
  • the evaluation device 20 may be configured to execute a support vector machine.
  • the evaluation device 20 can be set up to detect quantitatively by means of the statistical analysis whether the Raman spectrum belongs to a cluster or a region of the data space spanned in the principal component analysis, which are assigned to the Raman spectra of aggressive tumors.
  • the evaluation device 20 can be set up to detect quantitatively by the statistical analysis, whether the Raman spectrum belongs to a cluster or a region of the data space spanned in the principal component analysis, which are assigned to the Raman spectra of non-aggressive tumors.
  • Figure 7 shows the results of a principal component analysis for aggressive and non-aggressive tumors.
  • the respectively detected Raman spectra at a plurality of N »1, for example N> 100 can be evaluated by Raman wavenumbers.
  • the N-dimensional vector, which corresponds to the Raman intensities at the N Raman wavenumbers, defines a point in an N-dimensional data space.
  • PCA Principal Component Analysis
  • Figure 7 shows how the data points 101 corresponding to Raman spectra of aggressive tumors separate from data points 102 corresponding to Raman spectra of non-aggressive tumors along the major component axis PC-1.
  • This separation which occurs in the principal component analysis, can be used to determine from a Raman spectrum of a sample or from several Raman spectra of the sample whether they are associated with an aggressive or non-aggressive tumor.
  • each Raman spectrum can be sampled at the N Raman wavenumbers and then projected into the plane or space spanned by the major component axes of the lowest orders.
  • the PC-1 component ie, the first major component, which shows the most significant differences between the Raman spectra of aggressive and non-aggressive tumors, it can be determined whether an aggressive one or not non-aggressive tumor is present.
  • it can be determined on the basis of the second main component PC-2 or another low main component whether an aggressive or a non-aggressive tumor is present.
  • the determination of whether the Raman spectrum is characteristic of an aggressive or a non-aggressive tumor does not have to be based on individual Raman peaks, but can be determined by a plurality of uniformly or unevenly distributed Raman intensities across the Raman spectra Raman wave numbers can be done.
  • principal component analysis or other statistical methods such as hierarchical or non-hierarchical cluster analyzes, it can be utilized that the Raman spectrum as a whole has characteristics that are indicative of an aggressive or non-aggressive tumor and thus serve as a "photonic fingerprint" ,
  • the pattern in a Raman spectrum may be defined by one or more characteristics selected from the group consisting of: the wavenumbers where Raman peaks lie, the peak heights, the slope of the peaks, the distances between the peaks, and / or combinations of peaks in one or more Raman spectra.
  • FIG. 8 shows a sample 30 with a tumor 31.
  • regions 1 1 1, 1 12, 1 13 one or more Raman spectra are respectively detected by the device 1 for evaluating the sample 30.
  • One, several or all of the regions 11 1, 1 12, 113 may also lie in the stroma outside the tumor.
  • the respectively acquired Raman spectra can be subjected to a statistical analysis by the evaluation device of the device 1.
  • the Raman spectra can be evaluated at a plurality N of Raman wavenumbers.
  • the vectors containing the N Raman intensity at N Raman wavenumbers, where N »1, can be projected by coordinate transformation into the data space with major component axes defined by reference spectra of aggressive and non-aggressive tumors, with the lowest or lowest major components show the clearest separation between aggressive and non-aggressive tumors.
  • FIG. 9 shows by way of example the results of such an evaluation, which is carried out by the device 1.
  • Data points 121 obtained in the principal component analysis data space for Raman spectra acquired in a region 11 1 need not necessarily be in or immediately adjacent to one of the regions 103, 104 associated with aggressive and non-aggressive tumor tissue. However, by proximity or overlap with one of the regions 103, 104, an indication of the presence of an aggressive or non-aggressive tumor can be obtained even if the region 11 1 is located in the stroma.
  • Data points 122 obtained in the principal component analysis data space for Raman spectra acquired in a region 112 need not necessarily be in or immediately adjacent to one of the regions 103, 104 associated with aggressive and non-aggressive tumor tissue. However, by proximity or overlap with one of the regions 103, 104, an indication of the presence of an aggressive or non-aggressive tumor can be obtained even if the region 12 is located in the stroma. From the fact that the data points 122 have a distance 125 from the region 103 which is smaller than a distance of the data points 121 from the region 103, it can be concluded that the region 1 12 is closer to an aggressive tumor than the region 1 1 1. This can be used for the systematic determination of Location of the tumor can be used even if the Raman spectra were not detected on a tumor cell itself.
  • the distances between the data points 121, 122 and the area 103 can be determined in different ways. For example, the center of gravity of the data points 121 and 122 can be determined and then its distance from the center of gravity of the area 103 can be determined. The center of gravity of the data points 121 or 122 can be determined and then its distance from the edge of the area 103 can be determined. The distances for each of the data points 121 and 122, respectively, from the center of gravity or edge of the area 103 can be determined, and then an averaging of the distances can be performed. Correspondingly, distances can also be determined from the area 104 associated with non-aggressive tumors. The distance from an edge of one of the regions 103, 104 is in each case defined as the minimum of the distance in the data space between the corresponding data point and all points in the data space lying on the edge of the corresponding region 103, 104.
  • Data points 123 obtained in the principal component analysis data space for Raman spectra acquired in a region 13 may lie in or immediately at one of the regions 103, 104 associated with aggressive and non-aggressive tumor tissues.
  • the overlap indicates that the region 1 13 is located close to or overlapping with an aggressive tumor. From the fact that the data points 123 have a distance from the region 103 which is smaller than a distance of the data points 121 from the region 103 and as a distance 125 of the data points 122 from the region 103, it can be concluded that the region 1 13 is closer This can be used to systematically determine the location of the tumor, even if the Raman spectra were not detected on a tumor cell itself.
  • the principal component analysis can be combined with a support vector machine (SVM). For example, sampled and optionally already processed intensities of the Raman spectrum can be further analyzed with a support vector machine to allow assignment of the Raman spectrum to aggressive or non-aggressive tumors.
  • SVM support vector machine
  • hierarchical or non-hierarchical cluster analyzes may also be used to determine whether a Raman spectrum in its entirety bears greater resemblance to the Raman spectra of reference samples containing aggressive tumors or to the Raman spectra Reference samples containing non-aggressive tumors.
  • spectra can be grouped or clustered on the basis of a similarity measure.
  • similarity measures can be used. For example, a cosine distance can be used to define a distance metric for Raman spectra.
  • a tree of Raman spectra can be constructed in which an assignment of Raman spectra to the same or different nodes depends on the similarity measure.
  • subtrees In hierarchical cluster analysis, after building a tree with Raman spectra, it can be divided into two or more subtrees. These subtrees may be associated, for example, with aggressive tumors, non-aggressive tumors, or non-tumorous tissues.
  • the construction of the tree of reference spectra does not have to take place with every evaluation of acquired Raman spectra. Rather, based on a plurality of reference spectra, which were assigned to aggressive or non-aggressive tumors, the corresponding tree of Raman spectra can be constructed.
  • the Raman spectrum detected on the sample can be assigned to an aggressive or non-aggressive tumor or a sample that does not have a tumor.
  • FIG. 10 schematically illustrates the mode of operation of the evaluation device of the device 1 in such a statistical evaluation, which comprises a cluster analysis.
  • a tree 130 of Raman spectra is constructed either by the evaluation device of the device 1 itself or also remotely from the device 1.
  • the tree 130 includes a plurality of nodes 131-138.
  • Raman spectra are assigned to nodes 131-138 based on a measure of similarity, which may be based, for example, on a cosine distance.
  • the tree 130 may include a first subtree 141 associated with aggressive tumors.
  • the tree 130 may include a second subtree 142 associated with non-aggressive tumors.
  • the evaluation device 20 of the device 1 can each calculate on the basis of the distance measure, which of the leaf nodes 134-138 and / or inner nodes 132, 133 of the tree 130 the corresponding Raman spectrum is assigned.
  • Raman spectra can be assigned to aggressive or non-aggressive tumors without a priori knowledge of individual relevant wavenumbers.
  • at least one of the different leaf nodes 134-138 may be associated with Raman spectra acquired at the stroma outside of an aggressive tumor.
  • At least one other of the different leaf nodes 134-138 may for example be associated with Raman spectra acquired at the stroma outside a non-aggressive tumor.
  • the techniques described with reference to Figures 7 to 10 can be applied not only to samples which are tissue sections or punch biopsies, but also to samples which are or are obtained from urine, semen, lymph, interstitial fluid or blood.
  • FIG. 11 shows the determination of a gradient field 50.
  • the gradient field 50 indicates for several positions of the tissue sample how much and optionally in which direction the intensity of a Raman peak or several Raman peaks that are characteristic of aggressive tumors changes.
  • the plurality of gradients 51 may each have information about the magnitude of the decrease or increase in the intensity of the Raman peak, which is shown in FIG. 11 by the length of the corresponding arrows.
  • the plurality of gradients 51 may each have information about the direction of decrease or increase in the intensity of the Raman peak, which is shown in Figure 11 by the direction of the corresponding arrows.
  • the gradients 42-45 exemplified can be calculated from the intensity or spectral weight of Raman peaks for biomarkers of the malignant tumor. As shown schematically in Figure 1, the gradients provide information about the location of the tumor.
  • the gradients 51 need not be determined from the intensities of the Raman peaks.
  • the gradients 51 can also be determined for the distance 25 that data points have in a statistical analysis of the areas 103, 104 in the data space that are associated with aggressive or non-aggressive tumors.
  • the gradient 51 may be as shown in FIG.
  • Equation (1) g denotes the determined gradient.
  • l (x, y) denotes the intensity or the spectral weight of a Raman peak characteristic of an aggressive or non-aggressive tumor at coordinates (x, y).
  • ⁇ ( ⁇ + ⁇ , y) denotes the intensity or the spectral weight of the same Raman peak at coordinates ( ⁇ + ⁇ , y).
  • I (x, y + Ay) denotes the intensity or spectral weight of the same Raman peak at coordinates (x, y + Ay).
  • the gradient can be determined as r [(1 (x + a X l y) -l (x-a x) y)] / [2a x n
  • the corresponding equations (1) and (2) can also be used, wherein, instead of l (x, y), the distance 125 of the Raman spectra or spectrums detected at the corresponding position is in the principal component analysis data space can be used.
  • the location and also the aggressiveness of a tumor can be determined even if no cancer cells are present in the sample 9 itself.
  • the presence or optionally also the spatial variation of Raman peaks or the results of the statistical analysis of several Raman spectra as a function of the distance from the tumor is used.
  • a support vector machine can be used to further process the gradient field to determine if an aggressive or non-aggressive tumor is present.
  • FIG. 12 schematically shows a gradient field 60 which is automatically determined by the evaluation device 20 and which indicates the location-dependent change in the intensity or the spectral weight of Raman peaks or the distances 125 from the region 103, which are characteristic of aggressive tumors. Even if the tumor is not contained in the sample, it can be estimated from the course of the local change in the intensity or the spectral weight of the Raman peaks where the tumor lies. Alternatively or additionally, the change in intensity or spectral weight of Raman peaks determined from the sample may also be extrapolated such that the intensity or spectral weight of the corresponding Raman peak is at the position no longer detected by the tissue sample of the tumor can be estimated. This can be used to assess the tumor and / or to determine the stage.
  • FIG. 13 shows, by way of example, the intensity 82, 83 of a Raman peak, which is characteristic, for example, of an aggressive tumor, as a function of the location for a plurality of punched biopsies.
  • the spatial variation of the intensity shown can be evaluated to determine in which amount the corresponding biomarker is present, for example, on the tumor itself.
  • the aggressiveness of the malignant tumor can be determined by calculation.
  • the electronic evaluation device can be set up to determine the aggressiveness of the tumor on the basis of the detected Raman spectrum, for example on the basis of a characteristic pattern of the Raman spectrum in one or more wavenumbers or wavenumber ranges.
  • a recognition of the aggressiveness of the tumor does not have to be based on individual Raman peaks, but can also be done on the basis of a statistical analysis of one or more Raman spectra as a whole.
  • a support vector machine can be used for the evaluation. A priori knowledge about the assignment of Raman wave numbers and biomarkers is not required.
  • one or more patterns defined by a Raman spectrum, height, slope, and combination of multiple Raman peaks are used to make statements about the presence and / or aggressiveness of a tumor.
  • the pattern in a Raman spectrum may be defined by one or more characteristics selected from the group consisting of: the wavenumbers where Raman peaks lie, the peak heights, the slope of the peaks, the distances between the peaks, and / or combinations of peaks in one or more Raman spectra.
  • FIG. 14 is a flowchart of a method 90 according to one embodiment.
  • At step 91 at least one Raman spectrum of the sample 9 is detected.
  • the light source 1 1 is controlled so that an excitation beam 17 is generated. It is also possible to record several Raman spectra. For example, multiple Raman spectra may be acquired at different positions of the same sample or on different samples to perform grading or staging of a tumor. One or more of the Raman spectra can be detected on stroma outside the tumor.
  • the evaluator 20 evaluates the detected Raman spectrum.
  • the evaluation device 20 can detect at least one Raman peak or at least one pattern of Raman peaks, which is characteristic of an aggressive tumor.
  • At least one of the evaluated Raman spectra may be a Raman spectrum detected on stroma outside the tumor.
  • a spatial change may detect at least one Raman peak, or at least one pattern of Raman peaks, that is characteristic of an aggressive tumor.
  • step 94 depending on the evaluation of the at least one Raman spectrum, it is automatically determined whether a malignant tumor is present. Aggressiveness and / or a stage of the tumor can be determined automatically.
  • FIG. 15 is a flowchart of a method 150 according to one embodiment.
  • the light source 1 1 is controlled so that an excitation beam 17 is generated. It is also possible to record several Raman spectra. For example, multiple Raman spectra may be acquired at different positions of the same sample or on different samples to perform grading or staging of a tumor. One or more of the Raman spectra can be detected on stroma outside the tumor.
  • the evaluator 20 evaluates the detected Raman spectrum.
  • the evaluation device 20 can detect at least one Raman peak or at least one pattern of Raman peaks, which is characteristic of an aggressive tumor.
  • At least one of the Raman spectra evaluated may be a Raman spectrum detected on stroma outside the tumor.
  • a support vector machine combined with a principal component analysis can be performed.
  • FIG. 16 is a flowchart of a method 155 according to one embodiment.
  • the light source 1 1 is controlled so that an excitation beam 17 is generated. It is also possible to record several Raman spectra. For example, multiple Raman spectra may be acquired at different positions of the same sample or on different samples to perform grading or staging of a tumor. One or more of the Raman spectra can be detected on stroma outside the tumor.
  • the evaluator 20 performs a principal component analysis of one or more acquired Raman spectra.
  • the acquired Raman spectrum can be scanned at N »1 wavenumbers to obtain a vector with readings.
  • the evaluator 20 may execute a support vector machine to detect at least one Raman peak, or at least one pattern of Raman peaks, that is characteristic of an aggressive tumor. At least one of the evaluated Raman spectra may be a Raman spectrum detected on stroma outside the tumor.
  • step 153 depending on the evaluation of the at least one Raman spectrum, information is provided via an interface as to whether an aggressive tumor is present. An aggressiveness and / or a stage of the tumor can be determined automatically and corresponding information can be output via the interface.
  • Figure 17 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a breast tumor. Shown is how the data points 161 corresponding to Raman spectra of aggressive breast tumors separate from data points 162 corresponding to Raman spectra of non-aggressive breast tumors along the major component axis PC-1.
  • This separation which occurs in the principal component analysis, can be used to determine from a Raman spectrum of a sample or from several Raman spectra of the sample whether they are associated with an aggressive or non-aggressive breast tumor.
  • each Raman spectrum can be sampled at the N Raman wavenumbers and then projected into the plane or space spanned by the major component axes of the lowest orders.
  • the first major component which shows the most pronounced differences between the Raman spectra of aggressive and non-aggressive breast tumors, determines whether an aggressive or non-aggressive breast tumor is present.
  • it can be determined on the basis of the second main component PC-2 or another low main component whether an aggressive or a non-aggressive breast tumor is present.
  • the principal component analysis may be combined with a support vector machine as described above.
  • a support vector machine, or other statistical methods, such as hierarchical or non-hierarchical clustering analyzes the Raman spectrum as a whole can exhibit characteristics that are indicative of an aggressive or non-aggressive breast tumor, thus providing a "photonic fingerprint.” serve.
  • the region 163 where data points corresponding to an aggressive breast tumor are located, and the region 164 where data points corresponding to non-aggressive breast tumors are located can be obtained by evaluating a plurality of Raman spectra collected at the stromal of breast tumors .
  • Raman spectra acquired at the stroma of the breast tumor may be evaluated with a principal component analysis and optionally further processing, such as a support vector machine, to determine if an aggressive or non-aggressive tumor is present.
  • a staging can be done.
  • Figure 18 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a pancreatic tumor. It is shown how the data points 171 corresponding to Raman spectra of aggressive pancreatic tumors separate from data points 172 corresponding to Raman spectra of non-aggressive pancreatic tumors along the major component axis PC-1.
  • the evaluation can be done by means of a support vector machine as described above.
  • the region 173 in which data points corresponding to an aggressive pancreatic tumor are located and the region 174 in which data points corresponding to a non-aggressive pancreatic tumor can be detected by evaluating a plurality of Raman spectra detected at the stroma of pancreatic tumors.
  • Raman spectra acquired at the stroma of the pancreatic tumor can be evaluated with a principal component analysis and optionally further processing, for example a support vector machine, to determine whether an aggressive or non-aggressive tumor is present. Similarly, a staging can be done.
  • Figure 19 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a colon tumor. It is shown how the data points 181 corresponding to Raman spectra of aggressive intestinal tumors separate from data points 182 corresponding to Raman spectra of non-aggressive intestinal tumors along the major component axis PC-1.
  • the evaluation can be performed by means of a support vector machine, as described above.
  • the region 183 in which data points corresponding to an aggressive intestinal tumor are located and the region 184 in which data points corresponding to a non-aggressive intestinal tumor are detected can be obtained by evaluating a plurality of Raman spectra collected at the stroma of intestinal tumors.
  • Raman spectra acquired at the stromal of the colon tumor can be evaluated with a principal component analysis and optionally further processing, such as a support vector machine, to determine if an aggressive or non-aggressive tumor is present. Similarly, a staging can be done.
  • Figure 20 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a lung tumor. It is shown how the data points 191 corresponding to Raman spectra of aggressive lung tumors separate from data points 192 corresponding to Raman spectra of non-aggressive lung tumors along the major component axis PC-1.
  • the evaluation can be done by means of a support vector machine as described above.
  • Region 193, where data points corresponding to aggressive lung tumors are located, and region 194, where data points corresponding to non-aggressive lung tumors are located, can be determined by evaluating multiple Raman spectra collected from the lung tumor lineage.
  • Raman spectra acquired at the stroma of the lung tumor can be evaluated with a principal component analysis and optionally further processing, such as a support vector machine, to determine if an aggressive or non-aggressive tumor is present. Similarly, a staging can be done.
  • Figure 21 illustrates processing of acquired Raman spectra by an apparatus according to one embodiment for assessing the aggressiveness or non-aggressiveness of a thyroid tumor. It is shown how data points 201, which correspond to Raman spectra of aggressive thyroid tumors, correspond to data points 202 corresponding to Raman spectra of non-aggressive thyroid tumors. Separate along the main component axis PC-1. The evaluation can be done by means of a support vector machine as described above.
  • the region 203 in which data points corresponding to an aggressive thyroid tumor and the region 204 in which data points corresponding to non-aggressive thyroid tumors are located can be determined by evaluating a plurality of Raman spectra detected on the stroma of thyroid tumors .
  • Raman spectra acquired at the stroma of the thyroid can be evaluated with a principal component analysis and optionally further processing, such as a support vector machine, to determine if an aggressive or non-aggressive tumor is present.
  • a staging can be done.
  • Figure 22 illustrates processing of acquired Raman spectra by a device according to one embodiment for assessing the aggressiveness or non-aggressiveness of a gastric tumor. It is shown how the data points 21 1 corresponding to Raman spectra of aggressive gastric tumors separate from data points 212 corresponding to Raman spectra of non-aggressive gastric tumors along the major component axis PC-1.
  • the evaluation can be done by means of a support vector machine as described above.
  • the region 213, in which data points corresponding to an aggressive gastric tumor are arranged, and the region 214, in which data points corresponding to a non-aggressive gastric tumor are located, can be determined by evaluating a plurality of Raman spectra acquired at the stroma of stomach tumors.
  • Raman spectra acquired on the stroma of the gastric tumor can be evaluated with a principal component analysis and optionally further processing, for example a support vector machine, in order to determine whether an aggressive or non-aggressive tumor is present. Similarly, a staging can be done.
  • Figure 23 illustrates processing of acquired Raman spectra by an apparatus according to one embodiment for assessing the aggressiveness or non-aggressiveness of an ovarian tumor. It is shown how the data points 221, which correspond to Raman spectra of aggressive ovarian tumors, from data points 222, the Raman spectra corresponding to non-aggressive ovarian tumors, separate along the major component axis PC-1.
  • the evaluation can be done by means of a support vector machine as described above.
  • Region 223, where data points corresponding to aggressive ovarian tumors are located, and region 224, where data points corresponding to non-aggressive ovarian tumors are located, can be determined by evaluating multiple Raman spectra collected at the stroma of ovarian tumors.
  • Raman spectra acquired at the stroma of the ovarian tumor can be evaluated with a principal component analysis and optionally further processing, such as a support vector machine, to determine if an aggressive or non-aggressive tumor is present. Similarly, a staging can be done.
  • FIG. 24 illustrates a processing of acquired Raman spectra by a device according to an embodiment for detecting an endometriosis. It is shown how the data points 231, which correspond to Raman spectra of endometriosis patients, are arranged in a specific region 233 of the main component noise. The region 233 in which data points are arranged that correspond to the presence of endometriosis can be determined by evaluating a plurality of Raman spectra detected at the stroma.
  • SVM Linear Vector Support Vector Machine
  • the individual tissue types can be examined separately, ie tumor tissue from aggressive tumor patients with non-aggressive tumor and / or isolated stromal tissue from aggressive tumor patients with non-aggressive tumor. For this purpose, data sets are compared that contain approximately the same number of measurements.
  • cross-validation can be performed for each data analysis. Two-thirds of the data set can be used here as a training record. Then the remaining third is predicted with the created model. The predicted group affiliations can then be compared to the actual group affiliations.
  • the overall hit rate, the sensitivity and / or the specificity of the model can be calculated.
  • supervised learning techniques may be used by which the evaluator 20 automatically determines which patterns of Raman peaks are associated with aggressive or non-aggressive breast tumors, pancreatic tumors, colon tumors, lung tumors, thyroid tumors, gastric tumors, and / or ovarian tumors.
  • the evaluation of Raman spectra may each comprise a comparison with Raman spectra in reference data associated with aggressive or non-aggressive tumors.
  • the reaction of tumor cells, stroma or other constituents of the sample to substances produced by a tumor can also be detected.
  • the presence of a tumor can be concluded and / or a distinction made between aggressive and non-aggressive tumors.
  • embodiments have been described in the context of specific tumors such as breast tumors, pancreatic tumors, colon tumors, lung tumors, thyroid tumors, gastric tumors, and / or ovarian tumors, the devices and methods disclosed herein may also be used to classify and staging other tumors.
  • Devices and methods of embodiments may generally be used to quantitatively examine samples for detecting tumors, without being limited thereto.
  • the devices and methods can be used in particular for the examination of previously obtained samples, wherein the recovery of the samples is not covered by the methods for the investigation.

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

Eine Vorrichtung (1 ) zur Erkennung und/oder Beurteilung eines pathologischen Zustande umfasst ein Raman-Spektroskopiesystem (10) und eine elektronische Auswerteeinrichtung (20), die eingerichtet ist, um abhängig von einer Auswertung wenigstens eines an Stroma erfassten Raman-Spektrums eine Erkennung und/oder Beurteilung des pathologischen Zustands vorzunehmen

Description

Vorrichtung und Verfahren zur Erkennung und/oder Beurteilung pathologischer Zustände
GEBIET DER ERFINDUNG
Die Erfindung betrifft Vorrichtungen und Verfahren zur Erkennung und/oder maschinengestützten Beurteilung pathologischer Zustände. Die Erfindung betrifft insbesondere Vorrichtungen und Verfahren zur Erkennung und/oder Beurteilung von Tumoren anhand einer Auswertung wenigstens eines Raman-Spektrums. Die Erfindung betrifft insbesondere Vorrichtungen und Verfahren, mit denen eine Probe, beispielsweise ein Biopsat, ein Gewebeschnitt, Blut, Urin, Lymphflüssigkeit, Interstitialflüssigkeit o- der Ejakulat quantitativ ausgewertet wird, um zu erkennen, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt.
HINTERGRUND
Die rechtzeitige Erkennung von Tumoren mit einer Bestimmung, ob es sich um einen bösartigen oder gutartigen Tumor handelt, ist von erheblicher Bedeutung. Verschiedene Techniken sind dazu bekannt. Verdachtsdiagnosen können durch digital-rektale Untersuchungen als Tastbefund erstellt werden. Für eine quantitative Untersuchung können Ultraschalluntersuchung, Magnetresonanztomographie oder Positronen- Emissions-Tomographie (PET) eingesetzt werden. Darüber hinaus können Biomar- ker, beispielsweise Protein-Biomarker, die Erkennung und Unterscheidung bösartiger Tumore und gutartiger Tumore unterstützen. Einige dieser Biomarker können beispielsweise im Blut, Urin oder Ejakulat nachgewiesen werden. Bei der Untersuchung einer bioptisch entnommenen Gewebeprobe wird anhand der Gewebeprobe bestimmt, ob ein aggressiver Tumor vorliegt. Die Erkennung von Tumoren, und die Bestimmung ob ein aggressiver Tumor oder nicht aggressiver Tumor vorliegt, ist insbesondere für eine Entscheidung von Bedeutung, ob eine weitere Beobachtung (so genannte„active surveillance") angezeigt ist oder Therapien wie eine Ektomie, eine Strahlentherapie, eine Hormontherapie oder eine Chemotherapie durchgeführt werden müssen.
Die effiziente und objektive Untersuchung von Proben, beispielsweise Blut, Urin, Ejakulat, Lymphflüssigkeit, Interstitialflüssigkeit, Biopsaten oder Gewebeschnitten, bleibt jedoch eine Herausforderung. Viele der herkömmlichen Ansätze zur Untersuchung der Proben sind aufwändig, kostspielig und oft nicht hinreichend objektiv.
Insbesondere besteht bei der Untersuchung von Biopsaten häufig das Problem, dass die Biopsate gerade bei kleinen Tumoren ausschließlich Gewebe enthalten können, das keine Tumorzellen enthält oder das weit vom Tumor entfernt liegt. In diesen Fällen erlauben herkömmliche Untersuchungsmethoden häufig keine ausreichend zuverlässige Erkenntnis, ob ein aggressiver oder nicht-aggressiver Tumor vorliegt.
ZUSAMMENFASSUNG
Es besteht ein Bedarf an Vorrichtungen und Verfahren zum Untersuchen einer Probe, mit denen pathologische Zustände erkannt werden können. Es besteht insbesondere ein Bedarf an derartigen Vorrichtungen und Verfahren, bei denen anhand quantitativer Messwerte in objektiver Weise Aussagen über einen Tumor getroffen werden können, beispielsweise durch eine Bestimmung, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt. Es besteht insbesondere ein Bedarf an derartigen Vorrichtungen und Verfahren, die selbst dann anwendbar sind, wenn Messungen außerhalb des Tumors vorgenommen werden.
Nach Ausführungsbeispielen der Erfindung wird zur Untersuchung einer Probe eine Raman-Spektroskopie ausgeführt. Ein oder mehrere Raman-Spektren, die an einem Stroma eines Tumors erfasst werden, können analysiert werden, um anhand des Raman-Spektrums oder anhand einer ortsabhängigen Veränderung von Raman- Spektren einen durch Raman-Spektroskopie erfassten Fingerabdruck eines aggressiven oder nicht aggressiven Tumors zu erhalten. Beispielsweise können ein oder mehrere Raman-Spektren analysiert werden, um anhand des Musters von Raman- Peaks in einem Raman-Spektrum Tumore und optional deren Aggressivität zu er- kennen und/oder deren räumliche Verteilung zu ermitteln. Die Probe kann eine Gewebeprobe, beispielsweise ein Biopsat oder ein Gewebeschnitt, sein.
Durch die Auswertung eines oder mehrerer Raman-Spektren kann die Probe objektiv und quantitativ untersucht werden. Es kann ein Vergleich mit in einer Datenbank hinterlegten Referenzdaten vorgenommen werden, um zu bestimmen, ob ein bösartiger oder gutartiger Tumor vorliegt. Zusätzliche Aussagen können aus den Raman- Spektren ermittelt werden, beispielsweise über die Aggressivität oder das Stadium des Tumors (so genanntes„Grading",„Staging" oder„Scoring").
Die Referenzdaten können aus den Raman-Spektren von Gewebeproben von durch Ektomie entnommenen Organen, von Biopsaten, von Krebszellen aus Zellkulturen oder durch Messen der Raman-Spektren von Biomarkern ermittelt werden. Die Referenzdaten können aus Raman-Spektren des Stromas innerhalb oder außerhalb des Tumoren bestimmt werden. Die Referenzdaten können Referenzspektren umfassen oder daraus ermittelt werden, die sowohl von Raman-Spektren von normalem Gewebe und Raman-Spektren von krebsbefallenem Gewebe abhängen. Entsprechende Referenzspektren können für Stroma und/oder für Gewebe, das nicht Stroma des Tumors ist, erstellt werden.
Nach einem Ausführungsbeispiel wird eine Vorrichtung zur Erkennung und/oder Beurteilung eines pathologischen Zustands bereitgestellt. Die Vorrichtung umfasst ein Raman-Spektroskopiesystem und eine elektronische Auswerteeinrichtung, die eingerichtet ist, um abhängig von einer Auswertung wenigstens eines an Stroma erfassten Raman-Spektrums eine Erkennung und/oder Beurteilung des pathologischen Zustands vorzunehmen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um abhängig von der Auswertung eines an dem Stroma außerhalb eines Tumors erfassten Raman- Spektrums die Erkennung und/oder Beurteilung des Tumors vorzunehmen. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um abhängig von dem wenigstens einen Raman-Spektrum ein Grading, Staging oder Scoring eines Tumors vorzunehmen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um abhängig von dem wenigstens einen Raman-Spektrum zu ermitteln, ob ein Tumor aggressiv oder nicht aggressiv ist.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um die Referenzdaten zur Erkennung und/oder Beurteilung des Tumors abhängig von einer Tumorart des Tumors abzurufen. Für unterschiedliche Gewebe, beispielsweise Brust, Pankreas, Darm, Lunge, Schilddrüse, Magen und/oder Eierstock, können jeweils zugeordnete Referenzdaten gespeichert sein, mit denen zur Beurteilung der Aggressivität eines Tumors wenigstens ein an einem Stroma außerhalb des Tumors erfasstes Raman- Spektrum verglichen werden kann.
Die Vorrichtung kann eingerichtet sein, um einen Brusttumor, einen Pankreastumor, einen Darmtumor, einen Lungentumor, einen Schilddrüsentumor, einen Magentumor und/oder einen Ovarialtumor zu erkennen und/oder automatisch zu beurteilen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen an dem Stroma eines Endometriums erfassten Raman- Spektrums eine Endometriose zu erkennen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um eine Stützvektormaschine auf aus dem wenigstens einen Raman-Spektrum gewonnenen Daten anzuwenden.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um das wenigstens eine Raman-Spektrum einer Hauptkomponentenanalyse zu unterziehen und die Stützvektormaschine auf ermittelte Hauptkomponenten anzuwenden.
Die Stützvektormaschine kann einen linearen Kern aufweisen. Die Vorrichtung kann einen Probenhalter zum Halten einer Probe für die Raman- Spektroskopie umfassen, wobei die Vorrichtung eingerichtet ist, um einen Anregungsstrahl des Raman-Spektroskopiesystem von einer Unterseite des Probenhalters auf die Probe einzukoppeln.
Die Vorrichtung kann eine Kamera zum Erfassen eines Übersichtsbilds der Probe umfassen.
Ein Verfahren zur Erkennung und/oder Beurteilung eines pathologischen Zustands nach einem Ausführungsbeispiel umfasst ein Erfassen wenigstens eines Raman- Spektrums. Das Verfahren umfasst ein Auswerten des wenigstens eines Raman- Spektrums durch eine elektronische Recheneinrichtung, wobei wenigstens ein an Stroma erfasstes Raman-Spektrum für eine Erkennung und/oder Beurteilung des pathologischen Zustands durch die elektronische Recheneinrichtung ausgewertet wird.
Bei dem Verfahren kann abhängig von der Auswertung eines an dem Stroma außerhalb eines Tumors erfassten Raman-Spektrums die Erkennung und/oder Beurteilung des Tumors erfolgen.
Bei dem Verfahren kann die elektronische Recheneinrichtung abhängig von dem wenigstens einen Raman-Spektrum ein Grading, Staging oder Scoring eines Tumors vornehmen.
Bei dem Verfahren kann die elektronische Auswerteeinrichtung abhängig von dem wenigstens einen Raman-Spektrum ermitteln, ob ein Tumor aggressiv oder nicht aggressiv ist.
Bei dem Verfahren kann die elektronische Auswerteeinrichtung Referenzdaten, die zur Erkennung und/oder Beurteilung des Tumors verwendet werden, abhängig von einer Tumorart des Tumors abrufen. Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Brusttumors anhand eines oder mehrerer in einem Stroma erfassten Raman-Spektren eingesetzt werden.
Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Pan- kreastumors anhand eines oder mehrerer in einem Stroma erfassten Raman- Spektren eingesetzt werden.
Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Darmtumors anhand eines oder mehrerer in einem Stroma erfassten Raman-Spektren eingesetzt werden.
Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Lungentumors anhand eines oder mehrerer in einem Stroma erfassten Raman-Spektren eingesetzt werden.
Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Schilddrüsentumors anhand eines oder mehrerer in einem Stroma erfassten Raman- Spektren eingesetzt werden.
Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Magentumors anhand eines oder mehrerer in einem Stroma erfassten Raman-Spektren eingesetzt werden.
Das Verfahren kann zum automatischen Erkennen und/oder Beurteilen eines Ovarialtumors anhand eines oder mehrerer in einem Stroma erfassten Raman-Spektren eingesetzt werden.
Bei dem Verfahren kann die elektronische Auswerteeinrichtung durch die Auswertung des wenigstens einen an dem Stroma eines Endometriums erfassten Raman- Spektrums eine Endometriose erkennt. Bei dem Verfahren kann die elektronische Auswerteeinrichtung eine Stützvektormaschine auf aus dem wenigstens einen Raman-Spektrum gewonnene Daten anwenden.
Bei dem Verfahren kann die elektronische Auswerteeinrichtung das wenigstens eine Raman-Spektrum einer Hauptkomponentenanalyse unterziehen und die Stützvektormaschine auf ermittelte Hauptkomponenten anwenden.
Die Stützvektormaschine kann einen linearen Kern aufweisen.
Din Anregungsstrahl des Raman-Spektroskopiesystem kann bei der Erfassung des wenigstens einen Raman-Spektrums von einer Unterseite eines Probenhalters auf eine Probe eingekoppelt werden.
Bei dem Verfahren kann ein Übersichtsbild einer Probe, an der die Raman-Spektren erfasst werden, mit einer Kamera erfasst werden.
Eine Vorrichtung zum Erkennen eines Tumors nach einem Ausführungsbeispiel kann in Raman-Spektroskopiesystem zum Erfassen wenigstens eines Raman-Spektrums einer Probe, wobei das wenigstens eine Raman-Spektrum an einem Stroma eines Tumors, insbesondere außerhalb des Tumors, erfasst werden kann. Die Vorrichtung umfasst eine elektronische Auswerteeinrichtung, die eingerichtet ist, um abhängig von einer Auswertung des wenigstens einen Raman-Spektrums den Tumor zu erkennen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums zu erkennen, ob ein aggressiver Tumor oder ein nicht aggressiver Tumor vorliegt. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um eine Intensität des Raman-Signals bei wenigstens einer Wellenzahl auszuwerten, die einem Biomarker für einen aggressiven Tumor oder für einen nicht aggressiven Tumor zugeordnet ist. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums zu erkennen, ob der Tumor bösartig ist. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums auch dann zu erkennen, ob der Tumor bösartig ist, wenn ein Gleason-Score von zum Beispiel 6 keine eindeutige Zuordnung zu bösartig oder nicht bösartig ermöglicht.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums eine Aggressivität des Tumors zu erkennen. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums eine Beurteilung eines bösartigen Tumors (so genanntes„Grading" des Tumors) vorzunehmen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums zu ermitteln, in welchem Stadium sich der Tumor befindet (so genanntes„Staging" des Tumors).
Die Vorrichtung kann eingerichtet sein, um an einer Mehrzahl von Positionen einer Gewebeprobe jeweils mindestens ein Raman-Spektrum zu erfassen. Die Vorrichtung kann wenigstens einen steuerbaren Motor umfassen, um eine Relativbewegung zwischen der Probe und optischen Komponenten des Raman-Spektroskopiesystems hervorzurufen, um automatisch Raman-Spektren an einer Mehrzahl von Positionen der Gewebeprobe zu erfassen. Die Mehrzahl von Positionen und der Abstand kann auch benutzerdefiniert festlegbar sein. Die Mehrzahl von Positionen und der Abstand kann durch das System automatisch ermittelt werden, beispielsweise durch eine entsprechende Konfigurationen vorgegeben sein, die in Hardware, Software oder Firmware implementiert sein kann.
Die Vorrichtung kann eingerichtet sein, um die Mehrzahl von Positionen so festzulegen, dass für einzelne Zellen in einer Gewebeprobe jeweils ein Raman-Spektrum erfasst werden kann. Alternativ oder zusätzlich kann die Vorrichtung eingerichtet sein, um eine Mehrzahl von Positionen so festzulegen, dass für einzelne subzelluläre Bereiche, beispielsweise für Zellkerne und Zytoplasma, in einer Gewebeprobe jeweils ein Raman-Spektrum erfasst wird.
Die Vorrichtung kann wenigstens einen steuerbaren Motor umfassen, um eine Relativbewegung zwischen der Probe und optischen Komponenten des Raman- Spektroskopiesystems hervorzurufen, um automatisch Raman-Spektren an der Mehrzahl von Positionen der Gewebeprobe zu erfassen. Die Mehrzahl von Positionen kann auch benutzerdefiniert festlegbar sein.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um die an der Mehrzahl von Positionen erfassten Raman-Spektren auszuwerten. Dadurch können insbesondere Veränderungen von Raman-Peaks automatisch erkannt werden, die mit gutartigen oder bösartigen Tumoren in Verbindung stehen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um für die an der Mehrzahl von Positionen erfassten Raman-Spektren jeweils eine statistische Analyse, beispielsweise eine Hauptkomponentenanalyse („Principal Component Analysis", PCA) oder eine hierarchische oder nicht hierarchische Clusteranalyse ausführen.
Anhand des Ergebnisses der statistischen Analyse kann die elektronische Auswerteeinrichtung eine Bewertung vornehmen, ob ein aggressiver oder ein nicht aggressiver Tumor vorhanden ist. Die Hauptkomponentenanalyse oder Clusteranalyse kann eine automatische Unterscheidung von aggressiven oder ein nicht aggressiven Tumor anhand der Raman-Spektren ermöglichen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um eine ortsabhängige Veränderung eines Raman-Signals aus den an der Mehrzahl von Positionen erfassten Raman-Spektren zu ermitteln, um zu bestimmen, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt. Es kann die ortsabhängige Veränderung des Raman-Signals mindestens eines Biomarkers für aggressive Tumore erfasst werden, um zu ermitteln, ob ein aggressiver Tumor oder ein nicht aggressiver Tumor vorliegt. Es kann die ortsabhängige Veränderung des Resultats der statistischen Analyse der an mehreren Positionen erfassten Raman-Spektren bestimmt werden, um zu ermit- teln, ob ein aggressiver Tumor oder ein nicht aggressiver Tumor vorliegt. Auf diese Weise kann aus der Gesamtheit des Raman-Spektrums ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt. Eine Zuordnung von Raman- Peaks zu einzelnen Biomarkern ist möglich, aber nicht unbedingt erforderlich. Eine Unterscheidung aggressiver und nicht aggressiver Tumore ist in einfacher Weise möglich. Insbesondere kann durch eine Analyse eines Raman-Spektrums oder mehrerer Raman-Spektren, das bzw. die an Gewebe, an Urin, Blut, Ejakulat oder daraus gewonnenen Substanzen erfasst wird bzw. werden, ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt.
Eine Unterscheidung aggressiver oder nicht aggressiver Tumore kann erfolgen, ohne dass es unbedingt erforderlich ist, einzelne Raman-Peaks Biomarkern oder anderen Stoffen zuzuordnen. Vielmehr kann das Muster von Raman-Peaks ausgewertet werden, um aggressive und nicht aggressive Tumore zu unterscheiden, ein Grading, Staging oder Scoring automatisch auszuführen. Es kann dabei aus der Gesamtheit des Raman-Spektrums ermittelt werden, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. Mit einer statistischen Analyse, z.B. einer PCA oder Clustertechni- ken, kann ein Muster oder können mehrere Muster in dem Spektrum als Unterscheidungskriterium zur Unterscheidung aggressiver und nicht aggressiver Tumore verwendet werden. Derartige Muster können durch die Lage mehrerer Raman-Peaks, deren Höhe, und/oder die Steilheit der Flankendefiniert werden.
Alternativ oder zusätzlich kann auch die Reaktion von Zellen des von einem Tumor befallenen Organs, Stromazellen oder anderen Bestandteilen der Probe auf von einem Tumor erzeugte Stoffe erkannt werden.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um einen Gradienten der örtlichen Veränderung ortsaufgelöst zu bestimmen. Der Gradient kann der Gradient einer Intensität, d.h. der Amplitude, eines Raman-Peaks. Der Gradient kann der Gradient einer Höhe, Flankensteilheit von Raman-Peaks und/oder Kombination der Peaks. Der Gradient kann der Gradient einer Lage des Ergebnisses einer Hauptkomponentenanalyse oder eine hierarchischen oder nicht hierarchischen Cluster- Analyse in einem mehrdimensionalen Datenraum sein. Daraus kann eine Beurteilung des Tumors durch die elektronische Auswerteeinrichtung vorgenommen werden. Alternativ oder zusätzlich können Rückschlüsse auf die Position des bösartigen Tumors gezogen werden.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um den Gradienten ortsaufgelöst zu ermitteln.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um eine Position des Tumors in der Gewebeprobe oder relativ zu der Gewebeprobe durch die Auswertung der an der Mehrzahl von Positionen erfassten Raman-Spektren zu ermitteln. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um die Position eines bösartigen Tumors anhand der örtlichen Veränderung von Raman-Signalen auch dann zu bestimmen, wenn keine Krebszellen in der Gewebeprobe enthalten sind. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um die Position eines aggressiven Tumors anhand der örtlichen Veränderung von Raman-Signalen auch dann zu bestimmen, wenn die Gewebeprobe eine Gewebeprobe des Stromas außerhalb und/oder innerhalb des Tumors ist.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um die an der Mehrzahl von Positionen erfassten Raman-Spektren mit gespeicherten Referenz-Spektren zu vergleichen. Die Referenzspektren können ortsaufgelöst ermittelte Raman- Spektren von Proben mit bösartigen Tumoren, von Proben mit nichtaggressiven Tumoren und/oder von Proben ohne Tumore enthalten.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um die an der Mehrzahl von Positionen erfassten Raman-Spektren einer statistischen Analyse, beispielsweise einer Hauptkomponentenanalyse oder einer hierarchischen oder nicht hierarchischen Cluster-Analyse, zu unterziehen und das Ergebnis mit einer statischen Analyse der Referenzspektren zu vergleichen.
Die Gewebeprobe kann ein histologischer Schnitt eines Biopsats sein. Das Biopsat kann ein mit Stanzbiopsie gewonnenes Biopsat sein. Die Gewebeprobe kann ein histologischer Schnitt von einem Teil oder mehreren Teilen eines chirurgisch entfernten Gewebes sein.
Die Vorrichtung kann eingerichtet sein, um für Gewebeproben mehrerer Biopsate jeweils ortsaufgelöst mehrere Raman-Spektren zu erfassen. Die für die mehreren Biopsate ausgewerteten Raman-Spektren können verwendet werden, um zu bestimmen, ob ein gutartiger Tumor oder ein bösartiger Tumor vorliegt. Die für die mehreren Biopsate ausgewerteten Raman-Spektren können verwendet werden, um zu bestimmen, ob ein aggressiver Tumor oder ein nicht aggressiver Tumor vorliegt.
Das Biopsat kann ein Biopsat des Stroma des Tumors sein. Das Biopsat kann ein Biopsat des Stroma außerhalb des Tumors sein.
Die Probe kann Blut, Urin, Lymphflüssigkeit, Interstitialflüssigkeit oder Ejakulat umfassen oder kann aus Blut, Urin, Lymphflüssigkeit, Interstitialflüssigkeit oder Ejakulat gewonnen sein. Die Vorrichtung kann eingerichtet sein, um durch Raman- Spektroskopie zu ermitteln, ob Biomoleküle bzw. Biomarker vorhanden sind, die das Vorliegen einen aggressiven Tumors anzeigen.
Die Biomoleküle, die mit der Raman-Spektroskopie identifiziert werden, können beispielsweise DNA oder Proteine, also genetische oder molekulare Biomarker oder eine Mischung daraus sein. Die Biomarker können Protein-Biomarker sein. Die daraus ermittelten charakteristischen Raman-Spektren können als ein „photonischer Fingerabdruck" eingesetzt werden, der einen photonischen Biomarker für die Erkennung aggressiver Tumore bereitstellt. Diese können als Referenz für weitere Untersuchungen dienen. Eine Zuordnung derartiger photonischer Fingerabdrücke zu einzelnen Biomarkern ist möglich, aber nicht unbedingt erforderlich, um beispielsweise aggressive von nicht aggressiven Tumoren zu unterscheiden. Beispielsweise kann eine statistische Analyse, wie eine Hauptkomponentenanalyse oder eine Cluster- Analyse auf ein oder mehrere erfasste Raman-Spektren angewandt werden, um zu erkennen, ob das erfasste Raman-Spektrum einem aggressiven oder einem nicht aggressiven Tumor zuzuordnen ist. Die elektronische Auswerteeinrichtung kann eingerichtet sein, um durch die Auswertung des wenigstens einen Raman-Spektrums eine Aggressivität des Tumors zu bestimmen.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um anhand des er- fassten Raman-Spektrums bei einer oder mehreren Wellenzahlen oder Wellenzahl- bereichen die Aggressivität des Tumors zu bestimmen. Die ein oder mehreren Wellenzahlen oder Wellenzahlenbereiche können ausgewählt sein aus einzelnen oder mehreren Wellenzahlgruppen. Die Wellenzahlgruppen können von dem jeweils untersuchten Gewebe oder Tumor abhängen.
Ein Verfahren zum Auswerten einer Probe zum Erkennen eines Tumors kann ein Erfassen wenigstens eines Raman-Spektrums der Probe und ein Erkennen des Tumors durch Auswerten des wenigstens einen Raman-Spektrums umfassen.
Die Probe kann eine Gewebeprobe, beispielsweise ein Gewebeschnitt eines durch Stanzbiopsie gewonnenes Biopsat sein.
Die Gewebeprobe kann ein histologischer Schnitt von einem Teil oder mehreren Teilen von chirurgisch entferntem Gewebe sein.
Raman-Spektren können an einer Mehrzahl von Positionen der Gewebeprobe erfasst werden. Die an der Mehrzahl von Positionen erfassten Raman-Spektren können zum Erkennen des Tumors ausgewertet werden.
Für die an der Mehrzahl von Positionen erfassten Raman-Spektren kann jeweils eine statistische Analyse, beispielsweise eine Hauptkomponentenanalyse oder eine hierarchische oder nicht hierarchische Clusteranalyse ausgeführt werden.
Die Raman-Spektren können an einer Mehrzahl von subzellulären Positionen der Zellen in einer Gewebeprobe erfasst werden. Die an der Mehrzahl von subzellulären Positionen erfassten Raman-Spektren können zum Erkennen des Tumors ausgewertet werden. Abhängig von den an der Mehrzahl von Positionen erfassten Raman-Spektren kann eine ortsaufgelöste Veränderung von Raman-Signalen bestimmt werden, die aggressiven Tumoren zugeordnet sind. Es kann die ortsabhängige Veränderung des Resultats der statistischen Analyse der an mehreren Positionen erfassten Raman- Spektren bestimmt werden, um zu ermitteln, ob ein aggressiver Tumor oder ein nicht aggressiver Tumor vorliegt. Auf diese Weise kann aus der Gesamtheit des Raman- Spektrums ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt. Eine Zuordnung von Raman-Peaks zu einzelnen Biomarkern ist möglich, aber nicht unbedingt erforderlich. Eine Unterscheidung aggressiver und nicht aggressiver Tumore ist in einfacher Weise möglich.
Abhängig von den an der Mehrzahl von Positionen erfassten Raman-Spektren kann bestimmt werden, wie sich ein Biomarker ortsabhängig verändert.
Mit dem Verfahren kann eine Position des Tumors in der Gewebeprobe oder relativ zu der Gewebeprobe bestimmt werden.
Mit dem Verfahren kann eine Aggressivität des Tumors bestimmt werden. Zur Bestimmung der Aggressivität kann das Ergebnis einer statistischen Analyse des Ra- man-Spektrums mit den Ergebnissen dieser statistischen Analyse für Referenzspektren, die aggressiven und nicht aggressiven Tumoren zugeordnet sind, verglichen werden.
Mit dem Verfahren kann ein bzw. können mehrere„photonischer Fingerabdrücke" der Probe gewonnen werden, die die erfasste Raman-Intensität an einer Mehrzahl N von Wellenzahlen, beispielsweise N > 100 Wellenzahlen, definieren. Eine Zuordnung derartiger photonischer Fingerabdrücke zu einzelnen Biomarkern ist möglich, aber nicht unbedingt erforderlich, um beispielsweise aggressive von nicht aggressiven Tumoren zu unterscheiden. Beispielsweise kann eine statistische Analyse, wie eine Hauptkomponentenanalyse oder eine Cluster-Analyse auf ein oder mehrere erfasste Raman-Spektren angewandt werden, um zu erkennen, ob das erfasste Raman- Spektrum einem aggressiven oder einem nicht aggressiven Tumor zuzuordnen ist. Bei den Verfahren und Vorrichtungen kann eine Stützvektormaschine (SVM) eingesetzt werden, um das Ergebnis einer Hauptkomponentenanalyse weiter zu verarbeiten.
Das Verfahren kann von der Vorrichtung nach einem Ausführungsbeispiel automatisch ausgeführt werden.
Die Verfahren nach Ausführungsbeispielen können fern vom menschlichen oder tierischen Körper ausgeführt werden. Die Vorrichtung nach Ausführungsbeispielen kann für eine Untersuchung der Probe verwendet werden, wobei die Untersuchung fern vom menschlichen oder tierischen Körper ausgeführt wird.
Die Vorrichtungen und Verfahren nach Ausführungsbeispielen können so ausgestaltet sein, dass die Gewinnung der Probe, insbesondere die Gewinnung eines Biop- sats oder Gewebeschnitts, nicht Teil der beanspruchten Vorrichtungen und Verfahren ist.
Vorrichtungen und Verfahren nach Ausführungsbeispielen erlauben eine objektive Erkennung aggressiver Tumore und deren Unterscheidung von nicht-aggressiven Tumoren durch quantitative Auswertung wenigstens eines Raman-Spektrums einer Probe.
Vorrichtungen und Verfahren nach Ausführungsbeispielen können zur Erkennung und/oder Beurteilungen von Tumoren eingerichtet sein, die keine Prostatatumore sind.
KURZE BESCHREIBUNG DER FIGUREN
Die Erfindung wird nachfolgend unter Bezugnahme auf die Zeichnung anhand bevorzugter Ausführungsbeispiele weiter erläutert. Figur 1 zeigt eine schematische Darstellung einer Vorrichtung nach einem Ausführungsbeispiel.
Figur 2 zeigt die ortsaufgelöste Erfassung von Raman-Spektren einer Probe nach einem Ausführungsbeispiel.
Figur 3 zeigt die ortsaufgelöste Erfassung von Raman-Spektren einer Probe nach einem Ausführungsbeispiel.
Figur 4 zeigt ein beispielhaftes Raman-Spektrum, das von einer Vorrichtung nach einem Ausführungsbeispiel ausgewertet wird.
Figur 5 zeigt ein weiteres beispielhaftes Raman-Spektrum, das von einer Vorrichtung nach einem Ausführungsbeispiel ausgewertet wird.
Figur 6 zeigt ein weiteres beispielhaftes Raman-Spektrum, das von einer Vorrichtung nach einem Ausführungsbeispiel ausgewertet wird.
Figur 7 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel.
Figur 8 illustriert eine durch eine Vorrichtung nach einem Ausführungsbeispiel analysierte Probe zur Veranschaulichung der Funktionsweise der Vorrichtung.
Figur 9 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel.
Figur 10 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel.
Figur 11 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel. Figur 12 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel.
Figur 13 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel.
Figur 14 ist ein Flussdiagramm eines Verfahrens nach einem Ausführungsbeispiel.
Figur 15 ist ein Flussdiagramm eines Verfahrens nach einem Ausführungsbeispiel.
Figur 16 ist ein Flussdiagramm eines Verfahrens nach einem Ausführungsbeispiel.
Figur 17 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Brusttumors.
Figur 18 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Pankreastumors.
Figur 19 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Darmtumors.
Figur 20 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Lungentumors.
Figur 21 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Schilddrüsentumors. Figur 22 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrich tung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Magentumors.
Figur 23 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Ovarialtumors.
Figur 24 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Erkennung einer Endometriose.
BESCHREIBUNG VON AUSFÜHRUNGSBEISPIELEN
Ausführungsbeispiele werden unter Bezugnahme auf die Figuren beschrieben, in denen ähnliche Bezugszeichen ähnliche Merkmale bezeichnen. Die Merkmale der verschiedenen beschriebenen Ausführungsformen können miteinander kombiniert werden, sofern dies in der nachfolgenden Beschreibung nicht ausdrücklich ausgeschlossen ist.
Vorrichtungen und Verfahren nach Ausführungsbeispielen können zur Untersuchung einer Probe eingesetzt werden um pathologische Zustände zu erkennen und zu beurteilen. Vorrichtungen und Verfahren nach Ausführungsbeispielen können zur automatischen Beurteilung eines Tumors eingesetzt werden, um die Aggressivität des Tumors zu bestimmen. Die Beurteilung kann anhand von einem oder mehreren Raman-Spektren erfolgen, die an einem Stroma erfasst wurde. Das Stroma kann außerhalb des Tumors angeordnet sein. Andere pathologische Zustände, beispielsweise eine Endometriose, können erkannt werden.
Bei Vorrichtungen und Verfahren nach Ausführungsbeispielen wird wenigstens ein Raman-Spektrum einer Probe erfasst. Die Probe kann beispielsweise ein Gewebeschnitt eines durch Stanzbiopsie gewonnenen Biopsats, ein Gewebeschnitt von einem chirurgisch entfernten Organ oder anderem Gewebe, Blut, Urin, Ejakulat, Lymphflüssigkeit oder Interstitialflüssigkeit sein oder daraus gewonnen sein. Wenigs- tens ein Raman-Spektrum wird ausgewertet, um zu bestimmen, ob ein bösartiger Tumor vorliegt. Zusätzliche Bestimmungen, beispielsweise zur Beurteilung („Grading") oder Stadienbestimmung („Staging") können anhand eines oder mehrerer Raman-Spektren vorgenommen werden.
Figur 1 ist eine schematische Darstellung einer Vorrichtung 1 nach einem Ausführungsbeispiel. Die Vorrichtung 1 ist eingerichtet, um zum Erkennen eines Tumors, insbesondere eines bösartigen Tumors, eine Probe 9 mit Raman-Spektroskopie zu untersuchen. Die entsprechende Erkennung erfolgt anhand wenigstens eines Ra- man-Spektrums, das die Vorrichtung 1 erfasst und automatisch auswerten kann.
Die Vorrichtung 1 umfasst ein Raman-Spektroskopiesystem 10 und eine Auswerteeinrichtung 20. Das Raman-Spektroskopiesystem 10 ist eingerichtet, um ein Raman-Spektrum der Probe 9 zu erfassen. Die Probe 9 kann beispielsweise aus Blut, Urin, Ejakulat, Biopsat oder einem Gewebeschnitt gewonnen werden, wobei die Gewinnung der Probe insbesondere durch Stanzbiopsie oder anderer Entnahme von Material nicht Gegenstand der Verfahren nach Ausführungsbeispielen ist.
Die Probe 9 kann Zellen des Stromas des Tumors enthalten. Die Probe 9 kann Zellen einer Brust, enthalten.
Das Raman-Spektroskopiesystem 10 umfasst einen Lichtquelle 11 , die insbesondere ein Laser sein kann. Die Lichtquelle 1 1 ist eingerichtet, um einen Anregungsstrahl 17 auszugeben. Ein Ramanspektrometer 14 empfängt an der Probe 9 durch Stokes- Prozesse und/oder Anti-Stokes-Prozesse gestreutes Licht 18. Das Ramanspektrometer 14 kann ein diffraktives Element 15 und einen Bildsensor 16 umfassen, um das Raman-Spektrum der Probe 9 zu erfassen. Das Raman-Spektroskopiesystem 10 kann in an sich bekannter Weise weitere Elemente umfassen, beispielsweise fokus- sierende optische Elemente 12, 13, die als Linsen ausgestaltet sein können, und/oder Blenden. Die Vorrichtung 1 kann so eingerichtet sein, dass der Anregungsstrahl des Raman- Spektroskopiesystems von einer Unterseite eines Probenhalters 19 aus auf die Probe 9 gelenkt wird.
Die Vorrichtung 1 kann einen Aktor 2 zum Verstellen des Probenhalters 19 umfassen.
Die Vorrichtung 1 kann eine Kamera 3 zum Erfassen eines Übersichtsbildes der Probe 9 umfassen. Eine Ansteuerung des Aktors 2 und/oder der Lichtquelle 1 1 kann abhängig von einem mit der Kamera 3 erfassten Bild erfolgen.
Die Vorrichtung 1 umfasst eine Auswerteeinrichtung 20. Die Auswerteeinrichtung 20 kann ein Computer sein oder kann einen Computer umfassen. Die Auswerteeinrichtung 20 ist mit dem Raman-Spektroskopiesystem 10 gekoppelt. Die Auswerteeinrich- tung 20 kann die Erfassung des Raman-Spektrums durch das Raman- Spektroskopiesystem 10 steuern. Die Auswerteeinrichtung 20 kann das Raman- Spektroskopiesystem 10 so steuern, dass Raman-Spektren ortsaufgelöst an mehreren Stellen der Probe 9 erfasst werden.
Die Auswerteeinrichtung 20 weist eine Schnittstelle 21 auf, um Daten von dem Bildsensor 16 des Raman-Spektroskopiesystems 10 zu empfangen. Die Auswerteeinrichtung weist eine integrierte Halbleiterschaltung 22 auf, die einen Prozessor oder Controller umfassen kann und die eingerichtet ist, um das erfasste Raman- Spektrum auszuwerten, um zu bestimmen. Die integrierte Halbleiterschaltung 22 ist eingerichtet, um anhand des wenigstens einen Raman-Spektrums zu bestimmen, ob ein bösartiger Tumor vorliegt.
Wie unter Bezugnahme auf Figur 2 bis Figur 24 ausführlicher beschrieben wird, kann die integrierte Halbleiterschaltung 22 eingerichtet sein, um aus dem Muster von Ra- man-Peaks zu erkennen, ob ein Tumor aggressiv oder nicht aggressiv ist und/oder um eine Stadienbestimmung vorzunehmen. Die integrierte Halbleiterschaltung 22 kann beispielsweise eingerichtet sein, um durch Auswertung des wenigstens einen an Stroma außerhalb des Tumors erfassten Raman-Spektrums quantitativ zu ermit- teln, ob der Tumor aggressiv oder nicht aggressiv ist, um ein Grading oder eine Stadienbestimmung vorzunehmen.
Die integrierte Halbleiterschaltung 22 kann eingerichtet sein, um durch Auswertung des wenigstens einen Raman-Spektrums quantitativ zu ermitteln, ob und in welcher Menge Biomarker für einen bösartigen Tumor vorhanden sind. Die integrierte Halbleiterschaltung 22 kann eingerichtet sein, um für eine Gewebeprobe örtliche Veränderungen und insbesondere örtliche Gradienten von Raman-Signalen zu bestimmen, die bösartigen Tumore zugeordnet sind. Charakteristische ortsabhängige Veränderungen von Raman-Spektren, die einem aggressiven Tumor zugeordnet sind, können in einer Datenbank hinterlegt sein. Die ortsabhängige Veränderung des Raman- Signals, für die in der Datenbank Informationen hinterlegt sind, kann eine Veränderung des Raman-Signals im Stroma außerhalb des Tumors angeben.
Die Raman-Peaks, die von der integrierten Halbleiterschaltung 22 ausgewertet werden, können molekularen oder genetischen Biomarkern zugeordnet sein. Die Raman-Peaks, die von der integrierten Halbleiterschaltung 22 ausgewertet werden, können Protein-Biomarkern zugeordnet sein.
Die Vorrichtung 1 kann eingerichtet sein, um optional auch die räumliche Veränderung von Raman-Spektren zu bestimmen. Einige der Charakteristika eines Raman- Spektrums können nahe an einem aggressiven Tumor stärker auftreten, während andere der Charakteristika in einer Entfernung von einem aggressiven Tumor stärker auftreten als in unmittelbarer Nähe des aggressiven Tumors.
Die integrierte Halbleiterschaltung 22 kann erfasste Raman-Spektren auf unterschiedliche Weise verarbeiten. Beispielsweise können statistische Methoden, z.B. eine Hauptkomponentenanalyse, verwendet werden. Andere statistische Methode, beispielsweise eine hierarchische Clusteranalyse, können verwendet werden, um zu beurteilen, ob ein Raman-Spektrum in seiner Gesamtheit einem aggressiven oder einem nicht aggressiven Tumor zuzuordnen ist. Zusätzlich oder alternativ können Raman-Spektren oder die ortsabhängige Veränderung wenigstens einzelner Raman- Peaks mit Referenzdaten verglichen werden, um zu bestimmen, ob ein aggressiver Tumor vorhanden ist. Die Bestimmung des Gradienten ist nicht auf die Intensität einzelner Raman-Peaks beschränkt, sondern kann beispielsweise auch für den Abstand eines Datenpunkts in einem N-dimensionalen Datenraum einer Hauptkomponentenanalyse von dem Bereich in dem N-dimensionalen Datenraum, der einem aggressiven Tumor zugeordnet ist, vorgenommen werden. Die entsprechende Verarbeitung kann von der integrierten Halbleiterschaltung 22 automatisch ausgeführt werden.
Die integrierte Halbleiterschaltung 22 kann eingerichtet sein, um eine Stützvektormaschine (Support Vector Machine, SVM) auszuführen. Die Stützvektormaschine kann zur Unterscheidung aggressiver und nicht aggressiver Tumore angewandt werden. Die Stützvektormaschine kann auf Ergebnisse einer Hauptkomponentenanalyse des wenigstens einen Raman-Spektrums angewandt werden, um zu ermitteln, ob der Tumor aggressiv oder nicht aggressiv ist.
Die Auswerteeinrichtung 20 kann einen Speicher 23 umfassen, in dem die Referenzdaten 24 hinterlegt sind, die die integrierte Halbleiterschaltung 22 bei der Auswertung des Raman-Spektrums mit verwenden kann. Die Referenzdaten 24 können Referenzdatensätze 26-28 für unterschiedliche Tumorarten aufweisen. Die Referenzdaten 24 können Referenzdatensätze 26-28 umfassen, die wenigstens einem der folgenden Tumore zugeordnet sind: einem Brusttumor, einem Pankreastumor, einem Darmtumor, einem Lungentumor, einem Schilddrüsentumor, einem Magentumor und/oder einem Ovarialtumor. Die Referenzdaten 24 können Referenzdatensätze 26- 28 umfassen, die zwei oder mehr der folgenden Tumore zugeordnet sind: einem Brusttumor, einem Pankreastumor, einem Darmtumor, einem Lungentumor, einem Schilddrüsentumor, einem Magentumor und/oder einem Ovarialtumor.
Abhängig davon, welche Gewebeprobe gerade untersucht wird, kann die integrierte Halbleiterschaltung 22 den entsprechenden Referenzdatensatz 26-28 abrufen und verwenden. Der Referenzdatensatz kann jeweils angeben, in welchen Bereichen eines Hauptkomponentenraums Datenpunkte, die einem aggressiven Tumor entsprechen, und Datenpunkte, die einem nicht aggressiven Tumor entsprechen, angeordnet sind. Der Referenzdatensatz kann jeweils Information über Referenz-Raman- Spektren umfassen, die am Stroma außerhalb von aggressiven Tumoren erfasst wurden und die am Stroma außerhalb von nicht aggressiven Tumoren erfasst wurden.
Die Auswerteeinrichtung 20 kann eine optische und/oder akustische Ausgabeeinheit 25 umfassen, über die abhängig von der Analyse des wenigstens einen Raman- Spektrums Information ausgegeben wird, die anzeigt, ob ein aggressiver Tumor vorhanden ist. Es kann eine Beurteilung der Aggressivität des Tumors ausgegeben werden. Es kann Information über ein Stadium des Karzinoms ausgegeben werden.
Auch wenn die Auswerteeinrichtung 20 und das Raman-Spektroskopiesystem 10 in Figur 1 schematisch als separate Einheiten dargestellt sind, können die Funktionen der Auswerteeinrichtung 20 auch in einem Gehäuse des Raman- Spektroskopiesystems 10 integriert sein. Das Raman-Spektroskopiesystem 10 und die Auswerteeinrichtung 20 können als mobile, insbesondere als tragbare Einheiten ausgestaltet sein.
Figur 2 zeigt schematisch eine Gewebeprobe 30. Die Gewebeprobe ist als Gewebeschnitt dargestellt. Die beschriebenen Techniken können aber auch an Gewebeproben anderer Geometrie verwendet werden, beispielsweise an mit Stanzbiopsie gewonnenen Biopsaten. Ein aggressiver Tumor 31 , der nur schematisch dargestellt ist, kann vorhanden sein. Die Gewebeprobe 30 kann ein Stroma des Tumors enthalten. Für die beschriebenen Auswertetechniken ist insbesondere nicht erforderlich, dass Tumorzellen selbst in der Gewebeprobe 30 enthalten sind.
An einer Mehrzahl von Bereichen, die als Punkte bzw. gefüllte Kreise dargestellt sind, kann jeweils wenigstens ein Raman-Spektrum erfasst werden. Zur Verbesserung der Statistik können an jedem der Punkte auch mehrere Raman-Spektren erfasst werden. Die Signalerfassung und Relativbewegung zwischen einem Objektträger und optischen Komponenten des Raman-Spektroskopiesystems kann von der Auswerteeinrichtung 20 automatisch gesteuert werden. Beispielsweise können an Mehreren voneinander getrennten kleinen Bereichen 32-35 jeweils Raman-Spektren erfasst werden. Auch wenn in Figur 2 schematisch eine reguläre Anordnung von Punkten dargestellt ist, an denen die Raman-Spektren erfasst werden, kann die Erfassung auch an einer irregulären Anordnung von Punkten erfolgen. Es können unterschiedliche Muster von Punkten definiert werden, an denen die Raman-Spektroskopie jeweils ausgeführt werden soll. Wenigstens einige der Punkte 32-35 können auch benutzerdefiniert festlegbar sein. Die Auswerteeinrichtung 20 kann eine entsprechende Eingabeschnittstelle umfassen, mit der eine benutzerdefinierte Festlegung derjenigen Punkte ermöglicht wird, an denen jeweils ein Raman-Spektrum erfasst werden soll.
Die ortsaufgelöste Erfassung der Raman-Spektren kann in größeren Abständen erfolgen. Nach Ausführungsbeispielen kann die ortsaufgelöste Erfassung von wenigstens zwei Raman-Spektren aber auch an subzellulären Strukturen erfolgen. Es können wenigstens zwei Raman-Spektren an unterschiedlichen subzellulären Bereichen, beispielsweise für Zellkerne und Zytoplasma, in einer Gewebeprobe erfasst und von der Auswerteeinrichtung 20 ausgewertet werden.
Die erfassten Raman-Spektren können in unterschiedlicher Weise ausgewertet werden. Beispielsweise kann für jedes der Raman-Spektren eine statistische Analyse, z.B. eine Hauptkomponentenanalyse oder eine hierarchische Clusteranalyse, ausgeführt werden. Auf diese Weise kann eine Beurteilung erfolgen, ob ein Raman- Spektrum oder die Mehrzahl von erfassten Raman-Spektren einem aggressiven oder einem nicht aggressiven Tumor zugeordnet sind. Eine Zuweisung einzelner Raman- Peaks bzw. bestimmter Spektren-Muster zu Biomarkern kann, muss jedoch nicht ausgeführt werden.
Die Auswerteeinrichtung 20 kann eingerichtet sein, um aus der Gesamtheit des Ra- man-Spektrums zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. Mit einer statistischen Analyse, z.B. einer PCA oder Clustertechniken, kann ein Muster oder können mehrere Muster in dem Spektrum als Unterscheidungskriterium zur Unterscheidung aggressiver und nicht aggressiver Tumore verwendet werden. Derartige Muster können durch die Lage mehrerer Raman-Peaks, deren Höhe, und/oder die Steilheit der Flankendefiniert werden. Die Auswerteeinrichtung 20 kann eine Stützvektormaschine ausführen, um aus den PCA-Ergebnissen zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt.
Wenigstens eine und vorteilhaft mehrere der ausgewerteten Raman-Spektren werden an einem Stroma 40 außerhalb des Tumors 31 erfasst.
Figur 3 zeigt beispielhaft die Auswertung von Raman-Spektren 36-39 zur Erkennung und optional zur Bestimmung der Aggressivität von Tumoren. Die Raman-Spektren 36-39 können an unterschiedlichen Positionen erfasst werden. Die Lage relativ zum Tumor 31 kann vorab auch unbekannt sein. Abhängig von der Position zeigen sich Veränderungen der Raman-Spektren 36-39, aus denen auf das Vorliegen eines aggressiven oder nicht aggressiven Tumors geschlossen werden kann.
Figur 4 zeigt ein beispielhaftes Raman-Spektrum 41 , das von der Vorrichtung 1 an der Probe 9 erfasst wurde. Beispielsweise kann die Vorrichtung 1 das Raman- Spektrum 40 an einem Punkt 33 der Gewebeprobe 30 erfassen.
Die Auswerteeinrichtung 20 kann automatisch ein Muster von mehreren Raman- Peaks erkennen, das für einen aggressiven Tumor oder einen nicht aggressiven Tumor charakteristisch ist. Die Auswerteeinrichtung 20 kann eingerichtet sein, um einen charakteristischen Wellenzahlenbereich oder mehrere charakteristische Wellenzah- lenbereiche zu analysieren, um ein für aggressive oder nicht aggressive Tumore charakteristisches Muster von Raman-Peaks zu erkennen.
Die Auswerteeinrichtung 20 kann automatisch charakteristische Muster eines oder mehrerer Raman-Spektren erkennen. Dabei können die Wellenzahlen, an denen Raman-Peaks liegen, die Peakhöhe, die Flankensteilheit, Abstände zwischen den Peaks und/oder Kombinationen von Peaks in einem oder mehreren Raman-Spektren erkannt werden, um zu bestimmen, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt und/oder um einen Tumor zu erkennen.
Anhand der Anwesenheit und optional auch der Intensität des Raman-Signals bei den Raman-Peaks, die für einen aggressiven Tumor des entsprechenden Gewebes oder Organs charakteristisch sind, kann erkannt werden, ob ein aggressiver Tumor vorliegt. Anhand der Intensität des Raman-Signals bei einem oder mehrerer der Ra- man-Peaks kann die Auswerteeinrichtung 20 den Tumor beurteilen, um eine Aggressivität zu bestimmen.
Die in Figur 4 schematisch dargestellten Raman-Peaks müssen nicht individuell erkannt werden. Insbesondere kann die Auswerteeinrichtung 20 das Raman-Spektrum in seiner Gesamtheit einer statistischen Analyse unterziehen, um zu erkennen, ob das Raman-Spektrum einem aggressiven oder einem nicht aggressiven Tumor zugeordnet ist. Die Analyse kann die Anwendung einer Stützvektormaschine umfassen
Es können auch mehrere Raman-Spektren an der Probe 9 erfasst werden. Ein Vergleich der unterschiedlichen Raman-Spektren kann verwendet werden, um Aussagen darüber zu treffen, ob ein aggressiver Tumor vorhanden ist, und/oder um die Aggressivität des bösartigen Tumors zu beurteilen.
Figur 5 zeigt beispielhaft ein weiteres Raman-Spektrum 42, das an einer anderen Position der Probe 9 erfasst wird als das Raman-Spektrum 41. Das Raman- Spektrum 41 ist in Figur 5 mit durchbrochenen Linien zum Vergleich ebenfalls dargestellt.
Beispielsweise kann das weitere Raman-Spektrum 42 an einer Position 35 erfasst werden, die näher an dem Tumor liegt als die Position 33, an der das Raman- Spektrum 41 erfasst wurde. Auch wenn die Lage des Tumors oder sogar seine Anwesenheit a priori nicht bekannt ist, kann anhand eines Vergleichs des weiteren Ra- man-Spektrums 42 an der Position 35 und des Raman-Spektrums 41 an der Position 33 bestimmt werden, ob ein aggressiver Tumor vorhanden ist. Es kann auch bestimmt werden, in welcher Richtung sich der Tumor relativ zu den Positionen 33, 35 befindet.
Die Intensität des Raman-Signals und/oder das spektrale Gewicht der Raman-Peaks kann in dem Raman-Spektrum 42 von der Intensität und/oder dem spektralen Gewicht in dem Raman-Spektrum 41 verschieden sein. Beispielsweise kann die Intensi- tät des Signals an einem oder mehreren Raman-Peaks größer werden, wenn man sich der Position des aggressiven Tumors nähert, wenn der entsprechende Biomar- ker in unmittelbarer Nähe des Tumors stärker vorhanden ist als an entfernteren Positionen. Die Intensität des Signals an einem oder mehreren weiteren Raman-Peaks kann kleiner werden, wenn man sich der Position des aggressiven Tumors nähert, wenn der entsprechende Biomarker in unmittelbarer Nähe des Tumors weniger stark vorhanden ist als an entfernteren Positionen.
Der Gradient der Raman-Peaks muss nicht individuell bestimmt werden. Insbesondere kann die Auswerteeinrichtung 20 das Raman-Spektrum in seiner Gesamtheit einer statistischen Analyse unterziehen, um zu erkennen, ob das Raman-Spektrum einem aggressiven oder einem nicht aggressiven Tumor zugeordnet ist. Wie noch ausführlicher beschrieben wird, kann beispielsweise eine Zuordnung von Raman-Spektren zu aggressiven oder nicht aggressiven Tumoren anhand des Ergebnisses einer statistischen Analyse von der Vorrichtung automatisch vorgenommen werden, ohne dass hierfür die einzelnen Raman-Peaks vorbekannt sein müssen. Die statistische Analyse kann eine Stützvektormaschine umfassen.
Figur 6 zeigt beispielhaft ein weiteres Raman-Spektrum 43, das an einer anderen Position der Probe 9 erfasst wird als das Raman-Spektrum 41. Das Raman- Spektrum 41 ist mit durchbrochenen Linien zum Vergleich ebenfalls dargestellt.
Beispielsweise kann das weitere Raman-Spektrum 43 an einer Position 32 erfasst werden, die weiter entfernt von dem Tumor liegt als die Position 33, an der das Raman-Spektrum 41 erfasst wurde. Auch wenn die Lage des Tumors oder sogar seine Anwesenheit a priori nicht bekannt ist, kann anhand eines Vergleichs des weiteren Raman-Spektrums 43 an der Position 32 und des Raman-Spektrums 41 an der Position 33 bestimmt werden, ob ein bösartiger Tumor vorhanden ist. Es kann auch bestimmt werden, in welcher Richtung sich der Tumor relativ zu den Positionen 33, 35 befindet.
Die Intensität des Raman-Signals und/oder das spektrale Gewicht der Raman-Peaks kann in dem Raman-Spektrum 43 von der Intensität und/oder dem spektralen Ge- wicht in dem Raman-Spektrum 41 verschieden sein. Beispielsweise kann die Intensität des Signals an einem oder mehreren Raman-Peaks kleiner werden, wenn man sich von der Position des aggressiven Tumors entfernt, wenn der entsprechende Bi- omarker in unmittelbarer Nähe des Tumors stärker vorhanden ist als an entfernteren Positionen. Die Intensität des Signals an einem oder mehreren weiteren Raman- Peaks kann größer werden, wenn man sich der Position des aggressiven Tumors entfernt, wenn der entsprechende Biomarker in unmittelbarer Nähe des Tumors weniger stark vorhanden ist als an entfernteren Positionen.
Der Gradient der Raman-Peaks muss nicht individuell bestimmt werden. Insbesondere kann die Auswerteeinrichtung 20 das Raman-Spektrum in seiner Gesamtheit einer statistischen Analyse unterziehen, um zu erkennen, ob das Raman-Spektrum einem aggressiven oder einem nicht aggressiven Tumor zugeordnet ist. Wie noch ausführlicher beschrieben wird, kann beispielsweise eine Zuordnung von Raman-Spektren zu aggressiven oder nicht aggressiven Tumoren anhand des Ergebnisses einer statistischen Analyse von der Vorrichtung automatisch vorgenommen werden, ohne dass hierfür die einzelnen Raman-Peaks vor Durchführung der Messung vorbekannt sein müssen.
Die Information mehrerer Raman-Spektren 41 -43 kann kombiniert werden, um Information über die Anwesenheit eines bösartigen Tumors oder seine Aggressivität zu erhalten. Die Information mehrerer Raman-Spektren 41-43 kann jeweils mit einer Stützvektormaschine weiter analysiert werden, um ein eine Aussage zur Aggressivität oder Stadienbestimmung zu treffen.
Bei einigen Ausführungsbeispielen kann ein örtlicher Gradient der Intensität des Ra- man-Signals an einem oder mehreren der Raman-Peaks, die für einen aggressiven Tumor charakteristisch sind, ermittelt werden. Dazu kann für mehrere Punkte jeweils rechnerisch der Gradient der Intensität oder des spektralen Gewichts des Raman- Peaks in einer, zwei oder drei Dimensionen bestimmt werden. Allgemein kann eine Bestimmung des Gradienten in n Dimensionen erfolgen, wobei n gleich eins oder größer als eins sein kann. Der Gradient kann auch anhand des Ergebnisses einer weitergehenden Analyse der Raman-Spektren erfolgen. Beispielsweise kann durch eine statistische Auswertung jedes Raman-Spektrum einem Punkt in einem N-dimensionalen Datenraum zugeordnet werden, wobei N » 1 , beispielsweise N > 100 sein kann. Der N-dimensionale Datenraum kann der bei einer Hauptkomponentenanalyse von den verschiedenen Hauptkomponenten aufgespannte Datenraum sein. Aus Referenzspektren ist ermittelbar, in welchen Bereichen des N-dimensionalen Datenraums Raman-Spektren für aggressive Tumore clusterartig angeordnet sind und in welchen anderen Bereichen des N-dimensionalen Datenraums Raman-Spektren für nicht aggressive Tumore clusterartig angeordnet sind.
Die ortsabhängige Veränderung von Raman-Spektren kann beinhalten, dass ortsabhängig weitere Raman-Peaks auftauchen, die auf das Vorhandensein weiterer Biomoleküle abhängig von einem Abstand zum Tumor hinweisen und die Aggressivität oder Nichtaggressivität des Tumors anzeigen können. Auch können Raman-Peaks ortsabhängig (d.h. in einem ortsabhängigen Verlauf) verschwinden, woraus auch auf die Aggressivität oder Nichtaggressivität des Tumors Rückschlüsse gezogen werden können. Die ortsabhängige Veränderung von Raman-Spektren kann beinhalten, dass sich der Punkt, der das entsprechende Raman-Spektrum in einem N-dimensionalen Datenraum, wobei N » 1 , beispielsweise N > 100 sein kann, verschiebt. Der N- dimensionale Datenraum kann der bei einer Hauptkomponentenanalyse von den verschiedenen Hauptkomponenten aufgespannte Datenraum sein.
Um zu erkennen, ob ein Raman-Spektrum einen aggressiven oder einen nicht aggressiven Tumor anzeigt, kann die Auswerteeinrichtung 20 somit eingerichtet sein, um eine Hauptkomponentenanalyse, eine Clusteranalyse oder eine andere statistische Analyse wenigstens eines Raman-Spektrums auszuführen. Die Auswerteeinrichtung 20 kann eingerichtet sein, um eine Stützvektormaschine auszuführen. Die Auswerteeinrichtung 20 kann eingerichtet sein, um durch die statistische Analyse quantitativ zu erkennen, ob das Raman-Spektrum zu einem Cluster oder einem Bereich des bei der Hauptkomponentenanalyse aufgespannten Datenraums gehört, die den Raman-Spektren aggressiver Tumore zugeordnet sind. Die Auswerteeinrichtung 20 kann eingerichtet sein, um durch die statistische Analyse quantitativ zu erkennen, ob das Raman-Spektrum zu einem Cluster oder einem Bereich des bei der Hauptkomponentenanalyse aufgespannten Datenraums gehört, die den Raman-Spektren nicht aggressiver Tumore zugeordnet sind.
Figur 7 zeigt die Ergebnisse einer Hauptkomponentenanalyse für aggressive und nicht aggressive Tumore. Zur Hauptkomponentenanalyse können die jeweils erfass- ten Raman-Spektren an einer Mehrzahl N » 1 , beispielsweise N > 100, von Raman- Wellenzahlen ausgewertet werden. Der N-dimensionale Vektor, der den Raman- Intensitäten an den N Raman-Wellenzahlen entspricht, definiert einen Punkt in einem N-dimensionalen Datenraum.
Durch die Hauptkomponentenanalyse (PCA, „Principal Component Analysis") wird eine Koordinatentransformation in dem N-dimensionalen Datenraum derart ermittelt, dass sich die unterschiedlichen Cluster oder Gruppen von Raman-Spektren in dem transformierten Koordinatensystem entlang einer oder mehrerer der Koordinatenachsen deutlich unterscheiden. Diese Koordinatenachsen definieren die Hauptkomponenten. Die erste Hauptkomponente PC-1 definiert dabei typischerweise die Achse mit den deutlichsten Unterschieden zwischen den unterschiedlichen Gruppen von Raman-Spektren.
Figur 7 zeigt, wie sich die Datenpunkte 101 , die Raman-Spektren aggressiver Tumore entsprechen, von Datenpunkten 102, die Raman-Spektren nicht aggressiver Tumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen.
Durch diese bei der Hauptkomponentenanalyse auftretende Trennung kann aus einem Raman-Spektrum einer Probe oder aus mehreren Raman-Spektren der Probe ermittelt werden, ob diese einem aggressiven oder nicht aggressiven Tumor zugeordnet sind. Dazu kann jedes Raman-Spektrum jeweils bei den N Raman- Wellenzahlen abgetastet und dann in die Ebene oder in den Raum projiziert werden, der durch die Hauptkomponentenachsen der niedrigsten Ordnungen aufgespannt ist. Beispielsweise kann anhand der PC-1 -Komponente, d.h. der ersten Hauptkomponente, die die deutlichsten Unterschiede zwischen den Raman-Spektren aggressiver und nicht aggressiver Tumore zeigt, ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt. Alternativ oder zusätzlich kann anhand der zweiten Hauptkomponente PC-2 oder einer anderen niedrigen Hauptkomponente ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Tumor vorliegt.
Die Bestimmung, ob das Raman-Spektrum für einen aggressiven oder einen nicht aggressiven Tumor charakteristisch ist, muss nicht anhand einzelner Raman-Peaks erfolgen, sondern kann anhand einer Mehrzahl von über das Raman-Spektren gleichmäßig oder ungleichmäßig verteilter Raman-Intensitäten bei einer Mehrzahl von Raman-Wellenzahlen erfolgen kann. Mit der Hauptkomponentenanalyse oder anderen statistischen Methoden wie hierarchischen oder nicht hierarchischen Clus- teranalysen kann somit genutzt werden, dass das Raman-Spektrum als Ganzes Charakteristika aufweist, die für einen aggressiven oder nicht aggressiven Tumor kennzeichnend sind und die somit als ein„photonischer Fingerabdruck" dienen.
Durch eine statistische Analyse, wie die Hauptkomponentenanalyse, in Kombination mit einer Stützvektormaschine, oder die später noch ausführlicher diskutierte Clus- teranalyse, kann ermittelt werden, ob das in dem Raman-Spektrum enthaltene Muster von Raman-Peaks für einen aggressiven oder einen nicht aggressiven Tumor charakteristisch ist. Alternativ oder zusätzlich kann ermittelt werden, ob das in dem Raman-Spektrum enthaltene Muster von Raman-Peaks für Vorhandensein eines Tumors charakteristisch ist.
Das Muster in einem Raman-Spektrum kann definiert werden durch eine oder mehrere Kenngrößen, die ausgewählt sind aus der Gruppe bestehend aus: den Wellenzahlen, an denen Raman-Peaks liegen, den Peakhöhen, der Flankensteilheit der Peaks, den Abständen zwischen den Peaks und/oder Kombinationen von Peaks in einem oder mehreren Raman-Spektren.
Zur Auswertung einer oder mehrerer an einer Probe erfassten Raman-Spektren kann jeweils ermittelt werden, ob diese bei einer Hauptkomponentenanalyse in einem Bereich 103, der aggressiven Tumoren zugeordnet ist, oder ein einem anderen Bereich 104, der nicht aggressiven Tumoren zugeordnet ist, im Datenraum angeordnet sind. Figur 8 zeigt eine Probe 30 mit einem Tumor 31. In mehreren Regionen 1 1 1 , 1 12, 1 13 werden zur Auswertung der Probe 30 von der Vorrichtung 1 jeweils ein oder vorteilhaft mehrere Raman-Spektren erfasst. Eine, mehrere oder alle der Regionen 11 1 , 1 12, 113 können auch im Stroma außerhalb des Tumors liegen.
Die jeweils erfassten Raman-Spektren können von der Auswerteeinrichtung der Vorrichtung 1 einer statistischen Analyse unterzogen werden. Beispielsweise können die Raman-Spektren an einer Mehrzahl N von Raman-Wellenzahlen ausgewertet werden. Die Vektoren, die die N Raman-Intensitäten an den N Raman-Wellenzahlen enthalten, wobei N » 1 , können durch eine Koordinatentransformation in den anhand von Referenzspektren aggressiver und nicht aggressiver Tumore definierten Datenraum mit Hauptkomponentenachsen projiziert werden, wobei die niedrigste oder die niedrigsten Hauptkomponenten die deutlichste Trennung zwischen aggressiven und nicht aggressiven Tumoren zeigen.
Figur 9 zeigt beispielhaft die Ergebnisse einer derartigen Auswertung, die von der Vorrichtung 1 vorgenommen wird.
Datenpunkte 121 , die im Datenraum der Hauptkomponentenanalyse für in einer Region 11 1 erfasste Raman-Spektren gewonnen wurden, müssen nicht notwendig in oder unmittelbar an einem der Bereiche 103, 104 liegen, die aggressivem und nicht aggressivem Tumorgewebe zugeordnet sind. Anhand einer Nähe oder einem Überlapp mit einem der Bereiche 103, 104 kann jedoch ein Hinweis auf das Vorliegen eines aggressiven oder nicht aggressiven Tumors gewonnen werden, selbst wenn die Region 11 1 im Stroma angeordnet ist.
Datenpunkte 122, die im Datenraum der Hauptkomponentenanalyse für in einer Region 112 erfasste Raman-Spektren gewonnen wurden, müssen nicht notwendig in oder unmittelbar an einem der Bereiche 103, 104 liegen, die aggressivem und nicht aggressivem Tumorgewebe zugeordnet sind. Anhand einer Nähe oder einem Überlapp mit einem der Bereiche 103, 104 kann jedoch ein Hinweis auf das Vorliegen eines aggressiven oder nicht aggressiven Tumors gewonnen werden, selbst wenn die Region 1 12 im Stroma angeordnet ist. Aus der Tatsache, dass die Datenpunkte 122 einen Abstand 125 vom Bereich 103 aufweisen, der kleiner ist als ein Abstand der Datenpunkte 121 vom Bereich 103, kann geschlossen werden, dass die Region 1 12 näher an einem aggressiven Tumor liegt als die Region 1 1 1. Dies kann zur systematischen Bestimmung der Lage des Tumors verwendet werden, selbst wenn die Raman-Spektren nicht an einer Tumorzelle selbst erfasst wurden.
Die Abstände zwischen den Datenpunkten 121 , 122 und dem Bereich 103 können auf unterschiedliche Weise bestimmt werden. Beispielsweise kann der Schwerpunkt der Datenpunkte 121 bzw. 122 bestimmt und dann dessen Abstand vom Schwerpunkt des Bereichs 103 ermittelt werden. Es kann der Schwerpunkt der Datenpunkte 121 bzw. 122 bestimmt und dann dessen Abstand vom Rand des Bereichs 103 ermittelt werden. Es können die Abstände für jeden der Datenpunkte 121 bzw. 122 vom Schwerpunkt oder Rand des Bereichs 103 ermittelt werden, wobei anschließend eine Mittelung der Abstände vorgenommen werden kann. Entsprechend können Abstände auch vom Bereich 104, der nicht aggressiven Tumoren zugeordnet ist, bestimmt werden. Der Abstand von einem Rand eines der Bereiche 103, 104 ist dabei jeweils definiert als das Minimum der Entfernung in dem Datenraum zwischen dem entsprechenden Datenpunkt und allen auf dem Rand des entsprechenden Bereiches 103, 104 liegenden Punkten im Datenraum.
Datenpunkte 123, die im Datenraum der Hauptkomponentenanalyse für in einer Region 1 13 erfasste Raman-Spektren gewonnen wurden, können in oder unmittelbar an einem der Bereiche 103, 104 liegen, die aggressivem und nicht aggressivem Tumorgewebe zugeordnet sind. Durch den Überlapp kann erkannt werden, dass die Region 1 13 nahe an oder überlappend mit einem aggressiven Tumor angeordnet ist. Aus der Tatsache, dass die Datenpunkte 123 einen Abstand vom Bereich 103 aufweisen, der kleiner ist als ein Abstand der Datenpunkte 121 vom Bereich 103 und als ein Abstand 125 der Datenpunkte 122 vom Bereich 103, kann geschlossen werden, dass die Region 1 13 näher an einem aggressiven Tumor liegt als die Regionen 1 1 1 und 1 12. Dies kann zur systematischen Bestimmung der Lage des Tumors verwendet werden, selbst wenn die Raman-Spektren nicht an einer Tumorzelle selbst erfasst wurden. Die Hauptkomponentenanalyse kann mit einer Stützvektormaschine (SVM) kombiniert werden. Beispielsweise können abgetastete und optional bereits weiter verarbeitete Intensitäten des Raman-Spektrums mit einer Stützvektormaschine weiter analysiert werden, um eine Zuordnung des Raman-Spektrums zu aggressiven oder nicht aggressiven Tumoren zu ermöglichen.
Alternativ oder zusätzlich zur Hauptkomponentenanalyse können auch hierarchische oder nicht hierarchische Clusteranalysen verwendet werden, um jeweils zu ermitteln, ob ein Raman-Spektrum in seiner Gesamtheit eine größere Ähnlichkeit mit den Raman-Spektren von Referenzproben, die aggressive Tumore enthalten, oder mit den Raman-Spektren von Referenzproben, die nicht aggressive Tumore enthalten, aufweisen.
Bei derartigen Clusteranalysen können Spektren anhand eines Ähnlichkeitsmaßes zusammengruppiert oder geclustert werden. Unterschiedliche Ähnlichkeitsmaße können verwendet werden. Beispielsweise kann eine Cosinus-Entfernung verwendet werden, um eine Abstandsmetrik für Raman-Spektren zu definieren.
Bei hierarchischen Clusteranalysen kann ein Baum von Raman-Spektren aufgebaut werden, bei dem eine Zuordnung von Raman-Spektren zu gleichen oder unterschiedlichen Knoten jeweils von dem Ähnlichkeitsmaß abhängt.
Bei hierarchischen Clusteranalysen können nach dem Aufbauen eines Baumes mit Raman-Spektren dieser in zwei oder mehr Teilbäume unterteilt werden. Diese Teilbäume können beispielsweise aggressiven Tumoren, nicht aggressiven Tumoren oder Gewebe ohne Tumor zugeordnet sein.
Der Aufbau des Baums von Referenz-Spektren muss nicht bei jeder Auswertung von erfassten Raman-Spektren erfolgen. Vielmehr kann anhand einer Mehrzahl von Referenzspektren, die aggressiven oder nicht aggressiven Tumoren zugeordnet wurden, der entsprechende Baum von Raman-Spektren aufgebaut werden. Bei einer Auswertung eines oder mehrerer an einer Probe erfassten Raman-Spektren kann jeweils ermittelt werden, in welchen Teilbaum oder in welche Knoten die entspre- chenden Raman-Spektren anhand des Abstandsmaßes einzuordnen sind. Auf diese Weise kann das Raman-Spektrum, das an der Probe erfasst wurde, einem aggressiven oder nicht aggressiven Tumor oder einer Probe, die keinen Tumor aufweist, zugeordnet werden.
Figur 10 veranschaulicht schematisch die Funktionsweise der Auswerteeinrichtung der Vorrichtung 1 bei einer derartigen statistischen Auswertung, die eine Clusterana- lyse umfasst.
Durch Auswertung einer Mehrzahl von Referenzspektren wird entweder von der Auswerteeinrichtung der Vorrichtung 1 selbst oder auch fern von der Vorrichtung 1 ein Baum 130 von Raman-Spektren aufgebaut. Der Baum 130 enthält eine Mehrzahl von Knoten 131-138. Raman-Spektren werden den Knoten 131-138 basierend auf einem Ähnlichkeitsmaß, das beispielsweise auf einer Cosinus-Entfernung beruhen kann, zugeordnet.
Der Baum 130 kann einen ersten Teilbaum 141 aufweisen, der aggressiven Tumoren zugeordnet ist. Der Baum 130 kann einen zweiten Teilbaum 142 aufweisen, der nicht aggressiven Tumoren zugeordnet ist.
Bei der Auswertung eines Raman-Spektrums oder mehrerer Raman-Spektren, die an einer Probe 30 erfasst wurden, kann die Auswerteeinrichtung 20 der Vorrichtung 1 jeweils anhand des Abstandsmaßes berechnen, welchem der Blattknoten 134-138 und/oder inneren Knoten 132, 133 des Baumes 130 das entsprechende Raman- Spektrum zuzuordnen ist. Auf diese Weise können Raman-Spektren auch ohne a priori Kenntnis einzelner relevanter Wellenzahlen aggressiven oder nicht aggressiven Tumoren zugeordnet werden. Wenigstens einer der unterschiedlichen Blattknoten 134-138 kann beispielsweise Raman-Spektren zugeordnet sein, die am Stroma außerhalb eines aggressiven Tumors erfasst wurden. Wenigstens ein weiterer der unterschiedlichen Blattknoten 134-138 kann beispielsweise Raman-Spektren zugeordnet sein, die am Stroma außerhalb eines nicht aggressiven Tumors erfasst wurden. Die unter Bezugnahme auf Figur 7 bis Figur 10 beschriebenen Techniken können nicht nur bei Proben angewandt werden, die Gewebeschnitte oder Stanzbiopsate sind, sondern auch bei Proben, die Urin, Sperma, Lymphflüssigkeit, Interstitialflüssig- keit oder Blut sind oder daraus gewonnen werden.
Figur 1 1 zeigt beispielhaft die Bestimmung eines Gradientenfelds 50. Das Gradientenfeld 50 gibt für mehrere Positionen der Gewebeprobe an, wie stark und optional in welcher Richtung sich die Intensität eines Raman-Peaks oder mehrerer Raman- Peaks ändert, die für aggressive Tumore charakteristisch sind. Die Mehrzahl von Gradienten 51 kann jeweils eine Information über die Stärke der Abnahme oder Zunahme der Intensität des Raman-Peaks aufweisen, die in Figur 11 durch die Länge der entsprechenden Pfeile dargestellt ist. Die Mehrzahl von Gradienten 51 kann jeweils eine Information über die Richtung der Abnahme oder Zunahme der Intensität des Raman-Peaks aufweisen, die in Figur 11 durch die Richtung der entsprechenden Pfeile dargestellt ist.
Die Gradienten 42-45, die beispielhaft dargestellt sind, können rechnerisch aus der Intensität oder dem spektralen Gewicht von Raman-Peaks für Biomarker des bösartigen Tumors bestimmt werden. Wie in Figur 1 schematisch dargestellt ist, geben die Gradienten Information über die Lage des Tumors.
Die Gradienten 51 müssen nicht anhand der Intensitäten der Raman-Peaks ermittelt werden. Beispielsweise können die Gradienten 51 auch für den Abstand 25 ermittelt werden, den Datenpunkte bei einer statistischen Analyse von den Bereichen 103, 104 im Datenraum aufweisen, die aggressiven oder nicht aggressiven Tumoren zugeordnet sind.
Verschiedene Techniken können eingesetzt werden, um ortsaufgelöst den Gradienten der Intensität oder des Spektralen Gewichts von Raman-Peaks zu ermitteln. Beispielsweise kann für einen Bereich mit Koordinaten (x, y) der Gradient 51 gemäß
äix ,vy) - f[(l(X + AX'y)"l(X'y)]/AX) (1)
'(x, y + Ay) - l(x, y)]/AyJ bestimmt werden, wobei beispielhaft eine Datenerfassung in zwei Dimensionen angenommen wurde. In Gleichung (1) bezeichnet g den ermittelten Gradienten. Dabei bezeichnet l(x,y) die Intensität oder das spektrale Gewicht eines für einen aggressiven oder nicht aggressiven Tumor charakteristischen Raman-Peaks bei Koordinaten (x, y). Ι(χ+Δχ, y) bezeichnet die Intensität oder das spektrale Gewicht desselben Raman-Peaks bei Koordinaten (χ+Δχ, y). I(x, y+Ay) bezeichnet die Intensität oder das spektrale Gewicht desselben Raman-Peaks bei Koordinaten (x, y+Ay).
Für die Erfassung von Raman-Spektren auf einem regulären, beispielsweise rechteckigen Netz, wie sie in Figur 30 beispielhaft dargestellt ist, kann der Gradient ermittelt werden als r[(l(x + aX l y) - l(x - ax, y)]/[2axn
9(X, y) [(l(x, y + ay) - l(x, y - ay )]/[2ay]J wobei ax der Abstand zwischen benachbarten Datenerfassungspunkten entlang einer Koordinatenachse und ay der Abstand zwischen benachbarten Datenerfassungspunkten entlang einer dazu orthogonalen weiteren Koordinatenachse ist.
Bei einer Bestimmung der Gradienten anhand der Ergebnisse einer statistischen Analyse, z.B. einer Hauptkomponentenanalyse, können die entsprechenden Gleichungen (1) und (2) ebenfalls verwendet werden, wobei anstelle von l(x, y) jeweils der Abstand 125 des oder der Raman-Spektren, die an der entsprechenden Position erfasst wurden, im Datenraum der Hauptkomponentenanalyse eingesetzt werden kann.
Die Lage und auch die Aggressivität eines Tumors können sogar dann bestimmt werden, wenn keine Krebszellen in der Probe 9 selbst vorhanden sind. Dazu wird das Vorhandensein oder optional auch die räumliche Veränderung von Raman- Peaks oder der Ergebnisse der statistischen Analyse mehrerer Raman-Spektren als Funktion des Abstandes von dem Tumor verwendet. Eine Stützvektormaschine kann verwendet werden, um das Gradientenfeld weiter zu verarbeiten, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt.
Figur 12 zeigt schematisch ein Gradientenfeld 60, das von der Auswerteeinrichtung 20 automatisch ermittelt wird und das die ortsabhängige Veränderung der Intensität oder des spektralen Gewichts von Raman-Peaks oder der Abstände 125 vom Bereich 103 angibt, die für aggressive Tumore charakteristisch sind. Auch wenn der Tumor nicht in der Probe enthalten ist, kann aus dem Verlauf der örtlichen Änderung der Intensität oder des spektralen Gewichts der Raman-Peaks abgeschätzt werden, wo der Tumor liegt. Alternativ oder zusätzlich kann die Veränderung der Intensität oder des spektralen Gewichts von Raman-Peaks, die aus der Probe ermittelt wird, auch so extrapoliert werden, dass die Intensität oder das spektrale Gewicht des entsprechenden Raman-Peaks an dem nicht mehr von der Gewebeprobe erfassten Position des Tumors abgeschätzt werden kann. Dies kann zur Beurteilung des Tumors und/oder zur Stadienbestimmung eingesetzt werden.
Ähnliche Methoden können auch zur Untersuchung von Biopsaten, die beispielsweise mit Stanzbiopsie gewonnen werden, eingesetzt werden.
Figur 13 zeigt beispielhaft die Intensität 82, 83 eines Raman-Peaks, der beispielsweise für einen aggressiven Tumor charakteristisch ist, als Funktion des Ortes für mehrere Stanzbiopsate. Die dargestellte räumliche Veränderung der Intensität kann ausgewertet werden, um zu bestimmen, in welcher Menge der entsprechende Bio- marker beispielsweise am Tumor selbst vorhanden ist. Die Aggressivität des bösartigen Tumors kann rechnerisch bestimmt werden.
Die elektronische Auswerteeinrichtung kann eingerichtet sein, um anhand des erfassten Raman-Spektrums, beispielsweise anhand eines charakteristischen Musters des Raman-Spektrums bei einer oder mehreren Wellenzahlen oder Wellenzahlberei- chen, die Aggressivität des Tumors zu bestimmen. Eine Erkennung der Aggressivität des Tumors muss nicht anhand einzelner Raman- Peaks erfolgen, sondern kann auch anhand einer statistischen Analyse eines oder mehrerer Raman-Spektren insgesamt erfolgen. Eine Stützvektormaschine kann zur Auswertung verwendet werden. A priori Kenntnis über die Zuordnung von Raman- Wellenzahlen und Biomarkern ist nicht erforderlich.
Auf diese Weise werden ein oder mehrere durch ein Raman-Spektrum definierte Muster in der Lage, Höhe, Flankensteilheit und Kombination mehrerer Raman-Peaks verwendet, um Aussagen über das Vorhandensein und/oder die Aggressivität eines Tumors zu treffen. Das Muster in einem Raman-Spektrum kann definiert werden durch eine oder mehrere Kenngrößen, die ausgewählt sind aus der Gruppe bestehend aus: den Wellenzahlen, an denen Raman-Peaks liegen, den Peakhöhen, der Flankensteilheit der Peaks, den Abständen zwischen den Peaks und/oder Kombinationen von Peaks in einem oder mehreren Raman-Spektren.
Figur 14 ist ein Flussdiagramm eines Verfahrens 90 nach einem Ausführungsbeispiel.
Bei Schritt 91 wird wenigstens ein Raman-Spektrum der Probe 9 erfasst. Die Lichtquelle 1 1 wird so gesteuert, dass ein Anregungsstrahl 17 erzeugt wird. Es können auch mehrere Raman-Spektren erfasst werden. Beispielsweise können mehrere Raman-Spektren an unterschiedlichen Positionen derselben Probe oder an unterschiedlichen Proben erfasst werden, um ein Grading oder Staging eines Tumors auszuführen. Eines oder mehrere der Raman-Spektren können an Stroma außerhalb des Tumors erfasst werden.
Bei Schritt 92 wertet die Auswerteeinrichtung 20 das erfasste Raman-Spektrum aus. Dabei kann die Auswerteeinrichtung 20 wenigstens einen Raman-Peak oder wenigstens ein Muster von Raman-Peaks erkennen, der oder das für einen aggressiven Tumor charakteristisch ist. Wenigstens eines der ausgewerteten Raman-Spektren kann ein an Stroma außerhalb des Tumors erfasstes Raman-Spektrum sein. Bei Schritt 93 kann optional eine räumliche Veränderung wenigstens einen Raman- Peak oder wenigstens ein Muster von Raman-Peaks erkennen, der oder das für einen aggressiven Tumor charakteristisch ist.
Bei Schritt 94 wird abhängig von der Auswertung des wenigstens einen Raman- Spektrums automatisch bestimmt, ob ein bösartiger Tumor vorhanden ist. Es kann eine Aggressivität und/oder ein Stadium des Tumors automatisch bestimmt werden.
Figur 15 ist ein Flussdiagramm eines Verfahrens 150 nach einem Ausführungsbeispiel.
Bei Schritt 151 wird wenigstens ein Raman-Spektrum der Probe 9 erfasst. Die Lichtquelle 1 1 wird so gesteuert, dass ein Anregungsstrahl 17 erzeugt wird. Es können auch mehrere Raman-Spektren erfasst werden. Beispielsweise können mehrere Raman-Spektren an unterschiedlichen Positionen derselben Probe oder an unterschiedlichen Proben erfasst werden, um ein Grading oder Staging eines Tumors auszuführen. Eines oder mehrere der Raman-Spektren können an Stroma außerhalb des Tumors erfasst werden.
Bei Schritt 152 wertet die Auswerteeinrichtung 20 das erfasste Raman-Spektrum aus. Dabei kann die Auswerteeinrichtung 20 wenigstens einen Raman-Peak oder wenigstens ein Muster von Raman-Peaks erkennen, der oder das für einen aggressiven Tumor charakteristisch ist. Wenigstens eines der ausgewerteten Raman- Spektren kann ein an Stroma außerhalb des Tumors erfasstes Raman-Spektrum sein. Zur Auswertung kann eine Stützvektormaschine kombiniert mit einer Hauptkomponentenanalyse ausgeführt werden.
Bei Schritt 153 wird abhängig von der Auswertung des wenigstens einen Raman- Spektrums über eine Schnittstelle Information darüber ausgegeben, ob ein aggressiver Tumor vorhanden ist. Es kann eine Aggressivität und/oder ein Stadium des Tumors automatisch bestimmt und entsprechende Information über die Schnittstelle ausgegeben werden. Figur 16 ist ein Flussdiagramm eines Verfahrens 155 nach einem Ausführungsbeispiel.
Bei Schritt 151 wird wenigstens ein Raman-Spektrum der Probe 9 erfasst. Die Lichtquelle 1 1 wird so gesteuert, dass ein Anregungsstrahl 17 erzeugt wird. Es können auch mehrere Raman-Spektren erfasst werden. Beispielsweise können mehrere Raman-Spektren an unterschiedlichen Positionen derselben Probe oder an unterschiedlichen Proben erfasst werden, um ein Grading oder Staging eines Tumors auszuführen. Eines oder mehrere der Raman-Spektren können an Stroma außerhalb des Tumors erfasst werden.
Bei Schritt 156 nimmt die Auswerteeinrichtung 20 eine Hauptkomponentenanalyse eines oder mehrerer erfasster Raman-Spektren vor. Dabei kann das erfasste Raman-Spektrum bei N»1 Wellenzahlen abgetastet werden, um einen Vektor mit Messwerten zu erhalten.
Bei Schritt 152 kann die Auswerteeinrichtung 20 eine Stützvektormaschine ausführen, um wenigstens einen Raman-Peak oder wenigstens ein Muster von Raman- Peaks erkennen, der oder das für einen aggressiven Tumor charakteristisch ist. Wenigstens eines der ausgewerteten Raman-Spektren kann ein an Stroma außerhalb des Tumors erfasstes Raman-Spektrum sein.
Bei Schritt 153 wird abhängig von der Auswertung des wenigstens einen Raman- Spektrums über eine Schnittstelle Information darüber ausgegeben, ob ein aggressiver Tumor vorhanden ist. Es kann eine Aggressivität und/oder ein Stadium des Tumors automatisch bestimmt und entsprechende Information über die Schnittstelle ausgegeben werden.
Mit den Vorrichtungen und Verfahren nach Ausführungsbeispielen kann eine Vielzahl pathologischer Zustände anhand von Raman-Spektroskopie am Stroma eines pathologisch veränderten Gewebes erkannt und quantitativ bewertet werden. Figur 17 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Brusttumors. Dargestellt ist, wie sich die Datenpunkte 161 , die Raman-Spektren aggressiver Brusttumore entsprechen, von Datenpunkten 162, die Raman-Spektren nicht aggressiver Brusttumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen.
Durch diese bei der Hauptkomponentenanalyse auftretende Trennung kann aus einem Raman-Spektrum einer Probe oder aus mehreren Raman-Spektren der Probe ermittelt werden, ob diese einem aggressiven oder nicht aggressiven Brusttumor zugeordnet sind. Dazu kann jedes Raman-Spektrum jeweils bei den N Raman- Wellenzahlen abgetastet und dann in die Ebene oder in den Raum projiziert werden, der durch die Hauptkomponentenachsen der niedrigsten Ordnungen aufgespannt ist. Beispielsweise kann anhand der PC-1 -Komponente, d.h. der ersten Hauptkomponente, die die deutlichsten Unterschiede zwischen den Raman-Spektren aggressiver und nicht aggressiver Brusttumore zeigt, ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Brusttumor vorliegt. Alternativ oder zusätzlich kann anhand der zweiten Hauptkomponente PC-2 oder einer anderen niedrigen Hauptkomponente ermittelt werden, ob ein aggressiver oder ein nicht aggressiver Brusttumor vorliegt. Die Hauptkomponentenanalyse kann mit einer Stützvektormaschine kombiniert werden, wie oben beschrieben wurde.
Die Bestimmung, ob das Raman-Spektrum für einen aggressiven oder einen nicht aggressiven Brusttumor charakteristisch ist, muss nicht anhand einzelner Raman- Peaks erfolgen, sondern kann anhand einer Mehrzahl von über das Raman-Spektren gleichmäßig oder ungleichmäßig verteilter Raman-Intensitäten bei einer Mehrzahl von Raman-Wellenzahlen erfolgen kann. Mit der Hauptkomponentenanalyse, einer Stützvektormaschine oder anderen statistischen Methoden wie hierarchischen oder nicht hierarchischen Clusteranalysen kann somit genutzt werden, dass das Raman- Spektrum als Ganzes Charakteristika aufweist, die für einen aggressiven oder nicht aggressiven Brusttumor kennzeichnend sind und die somit als ein„photonischer Fingerabdruck" dienen. Der Bereich 163, in dem Datenpunkte angeordnet sind, die einem aggressiven Brust- tumore entsprechen, und der Bereich 164, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Brusttumore entsprechen, können durch Auswertung mehrerer am Stroma von Brusttumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Brusttumors können am Stroma des Brusttumors erfasste Raman- Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 18 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Pankreastumors. Dargestellt ist, wie sich die Datenpunkte 171 , die Raman-Spektren aggressiver Pankreastumore entsprechen, von Datenpunkten 172, die Raman-Spektren nicht aggressiver Pankreastumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen. Die Auswertung kann mithilfe einer Stützvektormaschine erfolgen, wie oben beschrieben wurde. Der Bereich 173, in dem Datenpunkte angeordnet sind, die einem aggressiven Pankreastumore entsprechen, und der Bereich 174, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Pankreastumore entsprechen, können durch Auswertung mehrerer am Stroma von Pankreastumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Pankreastumors können am Stroma des Pankreastumors erfasste Raman-Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 19 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Darmtumors. Dargestellt ist, wie sich die Datenpunkte 181 , die Raman-Spektren aggressiver Darmtumore entsprechen, von Datenpunkten 182, die Raman-Spektren nicht aggressiver Darmtumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen. Die Auswertung kann mithilfe einer Stützvektor- maschine erfolgen, wie oben beschrieben wurde. Der Bereich 183, in dem Datenpunkte angeordnet sind, die einem aggressiven Darmtumore entsprechen, und der Bereich 184, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Darmtumore entsprechen, können durch Auswertung mehrerer am Stroma von Darmtumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Darmtumors können am Stroma des Darmtumors erfasste Raman-Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 20 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Lungentumors. Dargestellt ist, wie sich die Datenpunkte 191 , die Raman-Spektren aggressiver Lungentumore entsprechen, von Datenpunkten 192, die Raman-Spektren nicht aggressiver Lungentumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen. Die Auswertung kann mithilfe einer Stützvektormaschine erfolgen, wie oben beschrieben wurde. Der Bereich 193, in dem Datenpunkte angeordnet sind, die einem aggressiven Lungentumore entsprechen, und der Bereich 194, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Lungentumore entsprechen, können durch Auswertung mehrerer am Stroma von Lungentumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Lungentumors können am Stroma des Lungentumors erfasste Raman-Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 21 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Schilddrüsentumors. Dargestellt ist, wie sich die Datenpunkte 201 , die Raman-Spektren aggressiver Schilddrüsentumore entsprechen, von Datenpunkten 202, die Raman-Spektren nicht aggressiver Schilddrüsentumore entspre- chen, entlang der Hauptkomponentenachse PC-1 trennen. Die Auswertung kann mithilfe einer Stützvektormaschine erfolgen, wie oben beschrieben wurde. Der Bereich 203, in dem Datenpunkte angeordnet sind, die einem aggressiven Schilddrü- sentumore entsprechen, und der Bereich 204, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Schilddrüsentumore entsprechen, können durch Auswertung mehrerer am Stroma von Schilddrüsentumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Schilddrüsentumors können am Stroma des Schilddrüsentumors erfasste Raman-Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 22 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Magentumors. Dargestellt ist, wie sich die Datenpunkte 21 1 , die Raman-Spektren aggressiver Magentumore entsprechen, von Datenpunkten 212, die Raman-Spektren nicht aggressiver Magentumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen. Die Auswertung kann mithilfe einer Stützvektormaschine erfolgen, wie oben beschrieben wurde. Der Bereich 213, in dem Datenpunkte angeordnet sind, die einem aggressiven Magentumore entsprechen, und der Bereich 214, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Magentumore entsprechen, können durch Auswertung mehrerer am Stroma von Magentumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Magentumors können am Stroma des Magentumors erfasste Raman-Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 23 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Beurteilung der Aggressivität oder NichtAggressivität eines Ovarialtumors. Dargestellt ist, wie sich die Datenpunkte 221 , die Raman-Spektren aggressiver Ovarialtumore entsprechen, von Datenpunkten 222, die Raman-Spektren nicht aggressiver Ovarialtumore entsprechen, entlang der Hauptkomponentenachse PC-1 trennen. Die Auswertung kann mithilfe einer Stützvektormaschine erfolgen, wie oben beschrieben wurde. Der Bereich 223, in dem Datenpunkte angeordnet sind, die einem aggressiven Ovarialtumore entsprechen, und der Bereich 224, in dem Datenpunkte angeordnet sind, die einem nicht aggressiven Ovarialtumore entsprechen, können durch Auswertung mehrerer am Stroma von Ovarialtumoren erfassten Raman-Spektren ermittelt werden. Zur Beurteilung eines Ovarialtumors können am Stroma des Ovarialtumors erfasste Raman-Spektren mit einer Hauptkomponentenanalyse und optional weiterer Verarbeitung, beispielsweise einer Stützvektormaschine, ausgewertet werden, um zu ermitteln, ob ein aggressiver oder nicht aggressiver Tumor vorliegt. In ähnlicher Weise kann eine Stadienbestimmung erfolgen.
Figur 24 illustriert eine Verarbeitung erfasster Raman-Spektren durch eine Vorrichtung nach einem Ausführungsbeispiel zur Erkennung einer Endometriose. Dargestellt ist, wie sich die Datenpunkte 231 , die Raman-Spektren von Endometriose-Patienten entsprechen, in einem bestimmten Bereich 233 des Hauptkomponentenraus anordnen. Der Bereich 233, in dem Datenpunkte angeordnet sind, die dem Vorliegen einer Endometriose entsprechen, können durch Auswertung mehrerer am Stroma erfasster Raman-Spektren ermittelt werden.
Zur automatischen Unterscheidung von aggressiven und nicht-aggressiven Tumortypen kann eine Datenanalyse mittels einer Stützvektormaschine (Support Vector Machine, SVM) mit linearem Kern eingesetzt werden. Diese Methode sucht aus einem Trainings-Datensatz Gemeinsamkeiten innerhalb einzelner Gruppen und erstellt daraus ein Modell. Der Algorithmus versucht dabei auch den größten Abstand zwischen den Gruppen zu finden. Dieses Modell kann daraufhin genutzt werden, um unbekannte Datensätze den einzelnen Gruppen zuzuordnen. Das Erlernen kann automatisch erfolgen, ohne dass a priori Kenntnisse über die Eigenschaften der Raman- Spektren aggressiver und nicht aggressiver Brusttumore, Pankreastumore, Darmtu- more, Lungentumore, Schilddrüsentumore, Magentumore und/oder Ovarialtumore vorhanden sein müssen In den Proben können die einzelnen Gewebetypen getrennt voneinander untersucht werden, also Tumorgewebe von Patienten mit aggressivem Tumor mit nicht aggressivem Tumor und/oder isoliertes Stromagewebe von Patienten mit aggressivem Tumor mit nicht aggressivem Tumor. Hierfür werden Datensätze verglichen, die in etwa die gleiche Anzahl an Messungen beinhalten.
Zur Schätzung der Modellgüte kann für jede Datenanalyse eine Kreuzvalidierung durchgeführt. Zwei Drittel des Datensatzes kann hier als Trainings-Datensatz verwendet. Daraufhin wird das verbleibende Drittel mit dem erstellten Modell vorhergesagt. Die vorhergesagten Gruppenzugehörigkeiten können dann mit den tatsächlichen Gruppenzugehörigkeiten verglichen werden.
Auf diese Weise können beim Training auch Aussagen über die Zuverlässigkeit des später angewendeten Modells getroffen werden. So kann beispielsweise die Gesamttrefferquote, die Sensitivität und/oder die Spezifität des Modells errechnet werden.
Andere Ausgestaltungen sind mögliche. Beispielsweise können Techniken des beaufsichtigten Lernens verwendet werden, mit denen die Auswerteeinrichtung 20 automatisch ermittelt, welche Muster von Raman-Peaks aggressiven oder nicht aggressiven Brusttumoren, Pankreastumoren, Darmtumoren, Lungentumoren, Schilddrüsentumoren, Magentumoren und/oder Ovarialtumoren zugeordnet sind.
Bei Vorrichtungen und Verfahren nach den beschriebenen Ausführungsbeispielen kann die Auswertung von Raman-Spektren jeweils einen Vergleich mit Raman- Spektren in Referenzdaten umfassen, die aggressiven oder nicht aggressiven Tumoren zugeordnet sind.
Alternativ oder zusätzlich kann auch die Reaktion von Tumorzellen, Stroma oder anderen Bestandteilen der Probe auf von einem Tumor erzeugte Stoffe erkannt werden. Auf diese Weise kann auf das Vorhandensein eines Tumors geschlossen werden und/oder eine Unterscheidung aggressiver und nicht aggressiver Tumore vorgenommen werden. Während Ausführungsbeispiele im Kontext spezifischer Tumore wie Brusttumore, Pankreastumore, Darmtumore, Lungentumore, Schilddrüsentumore, Magentumore und/oder Ovarialtumore beschrieben wurden, können die hier offenbaren Vorrichtun- gen und Verfahren auch zum Grading und zur Stadienbestimmung anderer Tumore eingesetzt werden.
Vorrichtungen und Verfahren nach Ausführungsbeispielen können allgemein zur quantitativen Untersuchung von Proben zur Erkennung von Tumoren eingesetzt werden, ohne darauf beschränkt zu sein. Die Vorrichtungen und Verfahren können insbesondere zur Untersuchung von zuvor gewonnenen Proben eingesetzt werden, wobei die Gewinnung der Proben nicht von den Verfahren zur Untersuchung umfasst wird.

Claims

PATENTANSPRÜCHE
1. Vorrichtung zur Erkennung und/oder Beurteilung eines pathologischen Zustande, umfassend
ein Raman-Spektroskopiesystem und
eine elektronische Auswerteeinrichtung, die eingerichtet ist, um abhängig von einer Auswertung wenigstens eines an Stroma erfassten Raman-Spektrums eine Erkennung und/oder Beurteilung des pathologischen Zustands vorzunehmen.
2. Vorrichtung nach Anspruch 1 ,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um abhängig von der Auswertung eines an dem Stroma außerhalb eines Tumors erfassten Raman- Spektrums die Erkennung und/oder Beurteilung des Tumors vorzunehmen.
3. Vorrichtung nach Anspruch 1 oder Anspruch 2,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um abhängig von dem wenigstens einen Raman-Spektrum ein Grading eines Tumors vorzunehmen.
4. Vorrichtung nach einem der vorhergehenden Ansprüche,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um abhängig von dem wenigstens einen Raman-Spektrum zu ermitteln, ob ein Tumor aggressiv oder nicht aggressiv ist.
5. Vorrichtung nach einem der Ansprüche 2 bis 4,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um die Referenzdaten zur Erkennung und/oder Beurteilung des Tumors abhängig von einer Tumorart des Tumors abzurufen.
6. Vorrichtung nach einem der Ansprüche 2 bis 5,
wobei der Tumor ausgewählt ist aus einer Gruppe bestehend aus:
- einem Brusttumor,
- einem Pankreastumor, - einem Darmtumor,
- einem Lungentumor,
- einem Schilddrüsentumor,
- einem Magentumor,
- einem Ovarialtumor.
7. Vorrichtung nach einem der vorhergehenden Ansprüche,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um durch die Auswertung des wenigstens einen an dem Stroma eines Endometriums erfassten Raman-Spektrums eine Endometriose zu erkennen.
8. Vorrichtung nach einem der vorhergehenden Ansprüche,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um eine Stützvektormaschine auf aus dem wenigstens einen Raman-Spektrum gewonnenen Daten anzuwenden.
9. Vorrichtung nach Anspruch 8,
wobei die elektronische Auswerteeinrichtung eingerichtet ist, um
das wenigstens eine Raman-Spektrum einer Hauptkomponentenanalyse zu unterziehen, und
die Stützvektormaschine auf ermittelte Hauptkomponenten anzuwenden.
10. Vorrichtung nach Anspruch 8 oder Anspruch 9,
wobei die Stützvektormaschine einen linearen Kern aufweist.
1 1. Vorrichtung nach einem der vorhergehenden Ansprüche, umfassend
einen Probenhalter zum Halten einer Probe für die Raman-Spektroskopie, wobei die Vorrichtung eingerichtet ist, um einen Anregungsstrahl des Raman-
Spektroskopiesystem von einer Unterseite des Probenhalters auf die Probe einzu- koppeln.
12. Verfahren zur Erkennung und/oder Beurteilung eines pathologischen Zustands, umfassend
Erfassen wenigstens eines Raman-Spektrums, und
Auswerten des wenigstens eines Raman-Spektrums durch eine elektronische Recheneinrichtung, wobei wenigstens ein an Stroma erfasstes Raman-Spektrum für eine Erkennung und/oder Beurteilung des pathologischen Zustands durch die elektronische Recheneinrichtung ausgewertet wird.
13. Verfahren nach Anspruch 12,
wobei abhängig von der Auswertung eines an dem Stroma außerhalb eines Tumors erfassten Raman-Spektrums die Erkennung und/oder Beurteilung des Tumors erfolgt.
14. Verfahren nach Anspruch 12 oder Anspruch 13,
wobei die elektronische Recheneinrichtung abhängig von dem wenigstens einen Raman-Spektrum ein Grading eines Tumors vornimmt.
15. Verfahren nach einem der Ansprüche 12 bis 14,
wobei die elektronische Auswerteeinrichtung abhängig von dem wenigstens einen Raman-Spektrum ermittelt, ob ein Tumor aggressiv oder nicht aggressiv ist.
16. Verfahren nach einem der Ansprüche 13 bis 15,
wobei die elektronische Auswerteeinrichtung Referenzdaten, die zur Erkennung und/oder Beurteilung des Tumors verwendet werden, abhängig von einer Tumorart des Tumors abruft.
17. Verfahren nach einem der Ansprüche 13 bis 16,
wobei der Tumor ein Brusttumor ist.
18. Verfahren nach einem der Ansprüche 13 bis 16,
wobei der Tumor Pankreastumor ist.
19. Verfahren nach einem der Ansprüche 13 bis 16, wobei der Tumor ein Darmtumor ist.
20. Verfahren nach einem der Ansprüche 13 bis 16,
wobei der Tumor ein Lungentumor ist.
21. Verfahren nach einem der Ansprüche 13 bis 16,
wobei der Tumor ein Schilddrüsentumor ist.
22. Verfahren nach einem der Ansprüche 13 bis 16,
wobei der Tumor ein Magentumor ist.
23. Verfahren nach einem der Ansprüche 13 bis 16,
wobei der Tumor ein Ovarialtumor ist.
24. Verfahren nach Anspruch 12,
wobei die elektronische Auswerteeinrichtung durch die Auswertung des wenigstens einen an dem Stroma eines Endometriums erfassten Raman-Spektrums eine Endometriose erkennt.
25. Verfahren nach einem der Ansprüche 12 bis 24,
wobei die elektronische Auswerteeinrichtung eine Stützvektormaschine auf aus dem wenigstens einen Raman-Spektrum gewonnene Daten anwendet.
26. Verfahren nach Anspruch 25,
wobei die elektronische Auswerteeinrichtung
das wenigstens eine Raman-Spektrum einer Hauptkomponentenanalyse unterzieht, und
die Stützvektormaschine auf ermittelte Hauptkomponenten anwendet.
27. Verfahren nach Anspruch 25 oder Anspruch 26,
wobei die Stützvektormaschine einen linearen Kern aufweist.
28. Verfahren nach einem der vorhergehenden Ansprüche, wobei ein Anregungsstrahl des Raman-Spektroskopiesystem von einer Unterseite eines Probenhalters auf eine Probe eingekoppelt wird.
PCT/EP2016/073998 2015-10-07 2016-10-07 Vorrichtung und verfahren zur erkennung und/oder beurteilung pathologischer zustände WO2017060425A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US15/766,516 US10551321B2 (en) 2015-10-07 2016-10-07 Device and method for detecting and/or evaluating pathological states
EP16778373.7A EP3359954A1 (de) 2015-10-07 2016-10-07 Vorrichtung und verfahren zur erkennung und/oder beurteilung pathologischer zustände

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015219349.7 2015-10-07
DE102015219349 2015-10-07

Publications (1)

Publication Number Publication Date
WO2017060425A1 true WO2017060425A1 (de) 2017-04-13

Family

ID=57113351

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2016/073998 WO2017060425A1 (de) 2015-10-07 2016-10-07 Vorrichtung und verfahren zur erkennung und/oder beurteilung pathologischer zustände

Country Status (3)

Country Link
US (1) US10551321B2 (de)
EP (1) EP3359954A1 (de)
WO (1) WO2017060425A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107389651B (zh) * 2017-06-23 2020-08-04 江苏拉曼医疗设备有限公司 一种脑胶质瘤级别特征分布图的获取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090002702A1 (en) * 2007-02-14 2009-01-01 Chemimage Corporation Distinguishing between renal oncocytoma and chromophobe renal cell carcinoma using raman molecular imaging
US20120078524A1 (en) * 2007-08-08 2012-03-29 Chemlmage Corporation System and method for diagnosis tissue samples using fluorescence and raman techniques
WO2013103475A2 (en) * 2011-12-09 2013-07-11 Massachusetts Institute Of Technology Portable optical fiber probe-based spectroscopic scanner for rapid cancer diagnosis

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7956996B2 (en) * 2007-02-14 2011-06-07 Chemimage Corporation Distinguishing between invasive ductal carcinoma and invasive lobular carcinoma using raman molecular imaging
US7956989B2 (en) * 2007-01-22 2011-06-07 University Of North Texas Health Science Center At Fort Worth Surface plasmon assisted microscope

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090002702A1 (en) * 2007-02-14 2009-01-01 Chemimage Corporation Distinguishing between renal oncocytoma and chromophobe renal cell carcinoma using raman molecular imaging
US20120078524A1 (en) * 2007-08-08 2012-03-29 Chemlmage Corporation System and method for diagnosis tissue samples using fluorescence and raman techniques
WO2013103475A2 (en) * 2011-12-09 2013-07-11 Massachusetts Institute Of Technology Portable optical fiber probe-based spectroscopic scanner for rapid cancer diagnosis

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BELJEBBAR A ET AL: "Identification of Raman spectroscopic markers for the characterization of normal and adenocarcinomatous colonic tissues", CRITICAL REVIEWS IN ONCOLOGY/HEMATOLOGY, ELSEVIER, AMSTERDAM, NL, vol. 72, no. 3, 2009, pages 255 - 264, XP026751387, ISSN: 1040-8428, [retrieved on 20091009], DOI: 10.1016/J.CRITREVONC.2009.09.004 *
IMRAN I. PATEL ET AL: "High contrast images of uterine tissue derived using Raman microspectroscopy with the empty modelling approach of multivariate curve resolution-alternating least squares", THE ANALYST, vol. 136, no. 23, 2011, GB, pages 4950, XP055333721, ISSN: 0003-2654, DOI: 10.1039/c1an15717e *
MATTHEW TOLLEFSON ET AL: "Raman spectral imaging of prostate cancer: can Raman molecular imaging be used to augment standard histopathology?", BJU INTERNATIONAL, vol. 106, no. 4, 2010, pages 484 - 488, XP055197347, ISSN: 1464-4096, DOI: 10.1111/j.1464-410X.2010.09185.x *
PU CHEN ET AL: "Bio-Raman spectroscopy: a potential clinical analytical method assisting in disease diagnosis", ANALYTICAL METHODS, vol. 3, no. 6, 2011, GBR, pages 1257, XP055333291, ISSN: 1759-9660, DOI: 10.1039/c1ay05039g *
S. KOCH ET AL: "Novel cell identification: markerfree and suitable for living cells", PROCEEDINGS OF SPIE, vol. 8798, 18 June 2013 (2013-06-18), pages 87980J, XP055191973, ISSN: 0277-786X, DOI: 10.1117/12.2033542 *

Also Published As

Publication number Publication date
EP3359954A1 (de) 2018-08-15
US10551321B2 (en) 2020-02-04
US20180292323A1 (en) 2018-10-11

Similar Documents

Publication Publication Date Title
Dobrescu et al. Medical images classification for skin cancer diagnosis based on combined texture and fractal analysis
JP7221693B2 (ja) ヒトの脳の皮質機能の目録を作るための方法および磁気画像化デバイス
DE10353883A1 (de) Verfahren und Einrichtung zum Messen Krankheits-relevanter Gewebeveränderungen
DE102014226451A1 (de) Edelstein-Identifikationsverfahren und -vorrichtung
EP3540632B1 (de) Verfahren zum klassifizieren von gewebeproben
DE102019121446A1 (de) Quantitatives Charakterisierungsverfahren für die Fläche und für den Inhalt unterschiedlicher Typen von Einschlüssen in Stahl
DE102015220078B4 (de) Erstellung von reduzierten Signalverläufen für eine Magnetresonanz-Fingerprinting-Untersuchung eines Untersuchungsobjekts
Almuntashri et al. Gleason grade-based automatic classification of prostate cancer pathological images
EP3126819B1 (de) Vorrichtung und verfahren zur untersuchung einer probe zur prostatatumorerkennung
DE60025932T2 (de) Magnetische resonanz-spektroskopie einer brustbiopsie zur bestimmung einer pathologie, des falles einer vaskularisierung oder des falles einer nodalen betrof fenheit
EP3359954A1 (de) Vorrichtung und verfahren zur erkennung und/oder beurteilung pathologischer zustände
EP3430565B1 (de) Verfahren zur untersuchung verteilter objekte unter segmentierung eines übersichtbildes
DE102005022156A1 (de) Verfahren und Vorrichtung zum Einstufen von Pixeln in medizinischer Bildgebung
DE102020211843A1 (de) Verfahren und Vorrichtung zur Analyse von Histopathologiebilddaten
DE102013218047B3 (de) Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger
DE102014219376A1 (de) Verfahren zu einer Erfassung eines hochaufgelösten Magnetresonanzbilddatensatzes zumindest eines begrenzten Körperbereichs mit zumindest einer anatomischen Struktur eines Patienten
DE10255013A1 (de) Verfahren und Vorrichtung zur Lokalisierung von Licht emittierenden Bereichen
EP3772659B1 (de) Partialvolumenanalyse für magnetresonanzfingerprinting
DE102015203537B3 (de) Vorrichtung und Verfahren zur Überprüfung eines Materials für eine Transplantation
Gupta et al. Different CNN-based architectures for detection of invasive ductal carcinoma in breast using histopathology images
Dahlmanns Development of quantitative functional analysis tools and models for neuroscientific applications
DE102017202161A1 (de) Bestimmung eines Fettanteils einer Leber eines Patienten mittels gemessenen spektralen Magnetresonanzdaten
EP1687756B1 (de) Verfahren zur klassifikation von messwerten in der medizinischen und biochemischen analytik
DE102020211271A1 (de) Erzeugung eines Biomarkers quantifizierend eine räumliche Homogenität einer medizinischen Parameterkarte
DE10317717B4 (de) Verfahren zur Diagnose von Erkrankungen unter Verwendung von Indikatorstoffen

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16778373

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15766516

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2016778373

Country of ref document: EP