Feasibility of Diffuse Reflectance Spectroscopy for Distal Margin Assessment in Colorectal Cancer Surgery

技術要約：大腸癌手術における遠位切除断端評価のための拡散反射分光法の実現可能性

問題提起
大腸癌手術、特に直腸腫瘍においては、肛門括約筋機能を温存しつつ、適切な遠位切除断端（DRM）を確保することが腫瘍学的安全性において極めて重要である。現在、DRMを評価するための術中手法には重大な限界がある。術前に腫瘍の境界を示すために用いられるタトゥー（染色）は、インクの拡散が生じ、その精度は6割台まで低下することがある。現在のゴールドスタンダードである凍結切片解析は、時間を要する上、化学放射線療法後の病変の断片化によって遠位への腫瘍進展を見逃す可能性があり、また外科医の習熟度に大きく依存する。さらに、腹腔鏡下手術やロボット支援下手術では触覚フィードバックが欠如しているため、遠位の腫瘍境界の特定が困難になる。したがって、最適な切断レベルを決定するために、腫瘍組織と正常組織を迅速に区別できる、リアルタイムかつ非接触のガイダンスシステムが必要とされている。

方法論
本研究では、オランダ癌研究所における86名の結腸直腸癌患者（T3以上）を対象とした、前向きなエキスポ（ex vivo）デザインを用いた。

• データ取得: レーザー光源と2つの分光計を用いた広帯域拡散反射分光（DRS）システム（400–1600 nm）を使用した。従来の点ベースのシステムとは異なり、このセットアップは連続的に動作し、毎秒5〜8個のスペクトルをキャプチャした。測定は、摘出直後の新鮮な検体に対して行われた。
  • 腫瘍測定: 肉眼的腫瘍部位の上で実施。
  • 非腫瘍測定: 腫瘍から少なくとも1 cm離れた健康な結腸・直腸壁および脂肪組織の上で実施。
  • ボリューム: 合計39,741個のスペクトルを収集（非腫瘍：22,451個、腫瘍：17,290個）。
• グラウンドトゥルース（正解ラベル）: スペクトルのラベル付けは、組織病理学的解析に基づいて割り当てられた。測定位置に腫瘍組織が存在する場合（深さに関わらず）はそのスペクトルを「結腸直腸腫瘍」とし、そうでない場合は「非腫瘍」とした。
• データ前処理: スペクトルはダークリファレンスおよびホワイトリファレンスに対して校正され、連続的な400–1600 nmの範囲（356バンド）に結合され、強度の変動を補正するために標準正規変数（SNV）を用いて正規化された。
• 機械学習パイプライン:
  • 特徴量選択: 5つの戦略を評価した：(A) フルスペクトル、(B) スペクトルの一次微分、(C) LASSO回帰、(D) 線形判別分析（LDA）、(E) k-meansによるスペクトルバンド・クラスタリング。
  • 分類器: 5つのモデルをテストした：線形SVM、多項式SVM、放射基底関数（RBF）SVM、多層パーセプトロン（MLP）、およびランダムフォレスト。
  • 学習戦略: データ漏洩を防ぐため、患者単位でデータを分割（訓練/検証用80%、テスト用20%）。クラスのバランスを整えるために、合成少数派オーバーサンプリング技術（SMOTE）を使用した。堅牢性を確保するため、異なる患者分割を用いた10回のイテレーションを通じてハイパーパラメータ・チューニング（$C$ および $\gamma$ のグリッドサーチ）を行った。
• 概念実証テスト: 最適化された最終モデルを3つの新鮮な検体に対してテストした。腫瘍境界に沿って測定を行い、予測される組織型を示す音声信号（ピッチの変化）を介してリアルタイムのフィードバックを提供した。予測された境界に縫合糸で印を付け、肉眼的な腫瘍の端と比較した。

主な結果

• モデルの性能: 最適な構成は、入力特徴量としてスペクトルの一次微分を用い、**RBFサポートベクターマシン（SVM）**を組み合わせたものであった。
  • マシューズ相関係数（MCC）: 0.820 ± 0.015
  • 感度: 0.888 ± 0.015
  • 特異度: 0.928 ± 0.028
  • AUROC: 0.95
• 特徴量解析: 一次微分を使用することで、ノイズの低減と微細なスペクトル変化の強調が可能となったため、ほとんどの分類器において、他の特徴量選択手法（フルスペクトルやk-meansを含む）を一貫して上回った。
• ハイパーパラメータ・チューニング: 最良の性能は $C=1$ および $\gamma=10$ で達成された。本研究では、デフォルトの動作点が凍結切片の特異度（100%）と一致しないことが指摘されたが、分類閾値を調整することで、凍結切片と同じ感度（0.85）を維持しながら、0.95の特異度を達成することが可能であった。
• 前向き妥当性確認: 新鮮な検体を用いた概念実証テストにおいて、モデルは高い精度で腫瘍境界を特定することに成功し、触覚フィードバックが欠如している状況でもリアルタイム検出が可能であることを示した。

意義および主張
著者らは、本研究が、DRSと機械学習を組み合わせることで、結腸直腸癌手術における腫瘍領域と非腫瘍領域を区別できることを示す、前向きな概念実証を提供するものであると主張している。

• 臨床的有用性: 本システムは、リアルタイムの術中ガイダンスのための潜在的な解決策を提供し、外科医が腫瘍学的安全性と括約筋温存のバランスを取ることを可能にする。これは特に、ミリメートル単位の精度が不可欠な低位直腸腫瘍において重要である。
• 現行基準に対する利点: 凍結切片とは異なり、DRSは組織の切除や造影剤を必要とせず、ほぼ即時の結果を提供する。タトゥーとは異なり、インクの拡散の問題も発生しない。
• 堅牢性: 本研究は、モデルが組織の不均一性（例：術前補助療法後の混合腫瘍および線維化）が存在する場合でも良好に機能したことを強調している。これは、結腸直腸癌における一般的な課題である。
• 今後の方向性: 著者らは、現在の結果は有望であるが、今後の課題として、実際の手術における新症例を用いた前向きな妥当性確認が必要であると控えめに述べている。また、現在の1–2 mmのサンプリング深度よりも深い位置にある腫瘍（特にT2腫瘍や、腫瘍が即時サンプリングゾーンを超えている場合）をより良く検出するために、より深い浸透力を持つプローブ設計を探索する必要があることも特定している。

本論文は、この技術を用いて迅速な術中遠位断端決定を行うことは可能であると結論付けているが、臨床実装の前にはさらなる検証が必要であることを強調している。