Японские ученые разработали систему неинвазивной визуализации жира в печени

Быстрый и не требующий маркировки метод, обеспечивающий раннюю диагностику, лечение и профилактику заболеваний печени, предложила исследовательская группа ученых из Токийского научного университета (TUS) и Столичного университета Осаки, 9 января сообщает пресс-служба TUS.

Неалкогольная жировая болезнь печени (иначе стеатотическая болезнь печени, SLD), приводит к патологиям, вызванным накоплением жира в печени из-за аномального липидного обмена, и является наиболее распространенным заболеванием печени. Ею страдают около 25% населения во всем мире.

Она прогрессирует без заметных симптомов, поэтому ее часто называют «тихой болезнью печени», однако при этом SLD может приводить к более тяжелым состояниям — циррозу (рубцевание печени) и раку печени. Традиционным методом тестирования на SLD является биопсия печени — инвазивная процедура, при которой из организма извлекается образец ткани печени.

Чтобы упростить и сделать неинвазивным, менее травмирующим метод обнаружения неалкогольной жировой болезни печени, исследовательская группа под руководством профессора Кохеи Соги из TUS ранее внедрила гиперспектральную визуализацию общего содержания липидов в печени в ближнем инфракрасном диапазоне (NIR-HSI).

NIR — свет с длинными волнами в диапазоне 800–2500 нм, демонстрирует поглощение, приписываемое различным органическим веществам, включая биомолекулы в тканях, что позволяет идентифицировать распределение жира в печени.

Проведя новое исследование, представленное в статье «Визуализация длины углеводородной цепи и степени насыщенности жирных кислот в печени мышей путем сочетания гиперспектральной визуализации в ближнем инфракрасном диапазоне и машинного обучения» и опубликованной в журнале Scientific Reports, команда усовершенствовала метод NIR-HSI за счет использования модели машинного обучения.

Разработанная модель позволила дифференцировать тип липидов, присутствующих в печени, на уровне пикселей на основе длины углеводородной цепи (HCL) и степени насыщения (DS) жирных кислот. Это помогает определить риск прогрессирования SLD, а также стеатогепатита (NASH) и рака печени, связанного с SLD/NASH.

Доктор Умедзава с кафедры материаловедения и технологий факультета передовой инженерии TUS пояснил сделанные ими усовершенствования метода визуализации:

«Помимо качественной информации, такой как общее содержание липидов, мы теперь можем также визуализировать качественную информацию, такую как характеристики распределения жирных кислот, содержащихся в липидах, главным образом, в триглицеридах».

В своей работе исследователи при идентификации липидов на основе молекулярного состава с использованием гиперспектральной визуализации в ближнем инфракрасном диапазоне NIR-HSI столкнулись с проблемами из-за перекрытия спектров поглощения различных биомолекул. Для ее решения они использовали модель машинного обучения регрессии опорных векторов, которая была обучена распознавать состав 16 жирных кислот.

Данные для обучения модели они получили с помощью газовой хроматографии образцов печени мышей, которых кормили диетой с различным содержанием жира. Использование машинного обучения на данных NIR-HSI позволило интерпретировать спектральную информацию с точки зрения распределения в печени жиров (DS и HCL).

Степень насыщения жирных кислот DS рассчитывается как доля СН₂ в сумме чисел СН и СН₂. HCL, представляющая длину цепи жирной кислоты, определяется соотношением групп CH₃ + CH₂ + CH + 1(COOH) к числу групп CH₃.

Использование этого метода помогло исследователям определить состав жирных кислот в печени мышей и выявить его корреляцию с содержанием жиров в их рационе. Так, печень мышей, получавших диету, богатую насыщенными жирами (пальмитиновая и миристиновая кислоты), имела заметно высокий уровень DS, тогда как у мышей, питавшихся ненасыщенными жирами (α-линолевая кислота), DS была низкой.

DS, HCL и общее содержание липидов моделью отображались в виде цветной карты, что позволяло получить уникальное визуальное представление о распределении жира в печени и упрощало диагностику ее жировой дистрофии.

«Визуализация распределения липидов в виде многомерной информации, а не просто использование общей величины содержания липидов в качестве единственного параметра, обеспечивает новый инструмент для выявления патофизиологических состояний заболеваний печени и метаболизма», — отметил доктор Умедзава.

Таким образом, разработанный быстрый и не требующий маркировки метод выявления ожирения печени вполне может стать альтернативой процедурам инвазивной биопсии печени, облегчая контроль состояния печени.

Предложенная новая концепция, кроме того, может также найти потенциальное применение в фармакологических исследованиях метаболизма лекарств, их токсичности и эффективности; исследованиях метаболических нарушений с помощью метаболической визуализации и выявлении реагирующих и не реагирующих на лечение в клинических испытаниях.

Исследователи также надеются, что этот метод будет использоваться для разработки персонализированных стратегий питания посредством идентификации биомаркеров и прогнозирования реакции на лечение.

Таким образом, предполагается, что новая концепция, разработанная японскими исследователями, может произвести революцию в здравоохранении и связанных с ним исследованиях.