Development of an endonasal Raman spectroscopy probe for pituitary adenoma surgery
Notice bibliographique
Résumé
Surgical resection is a primary therapeutic option for parasellar tumors, including pituitary adenomas at the skull base. Endoscopic transsphenoidal surgery enables tumor removal through the nasal cavities employing endoscopic visualization and specialized instruments. Accurate identification and delineation of the tumor is challenging yet crucial, as the objective is to achieve gross total resection (GTR) while minimizing damage to the surrounding normal structures. Current intraoperative diagnostic modalities, such as MRI, CT, ultrasound probes, and fluorescence imaging have been clinically implemented; however, these techniques are not universally accessible, often require significant time and cost, or cannot deliver reliable real-time feedback. This study presents the development of a fiber-optic Raman spectroscopy probe specifically adapted for endonasal surgical applications to meet clinical needs. The instrument was designed to be integrated with current transsphenoidal surgery workflows, enabling real-time in situ interrogation of parasellar anatomical structures, including the pituitary gland. Before clinical deployment, the probe was evaluated in an ex vivo animal study designed to assess its ability to distinguish parasellar intracranial structures with in situ Raman spectroscopy measurements and machine learning-based classification. Preliminary results from a clinical study deployed at the Centre hospitalier de l'Université de Montréal (CHUM), including measurements acquired on 11 patients during tumor resections, revealed distinct Raman signatures and fluorescence variations across tissue and tumor types. Early SVM-based classification achieved encouraging accuracy rates, highlighting the potential of this approach, although further validation is necessary. Key challenges, such as interference from endoscopic light sources and blood contamination, were identified and addressed. This research sets the foundation for the clinical deployment of Raman spectroscopy as an intraoperative realtime decision support system for safer and more effective pituitary adenoma surgeries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».