Clinical Integration of NIR-II Fluorescence Imaging for Cancer Surgery: A Translational Evaluation of Preclinical and Intraoperative Systems
Notice bibliographique
Résumé
Background/Objectives: Back table fluorescence imaging performed on freshly excised tissue specimens represents a critical step in fluorescence-guided surgery, enabling rapid assessment of tumor margins before final pathology. While most preclinical NIR-II imaging platforms, such as the IR VIVO (Photon, etc.), offer high-resolution and depth-sensitive imaging under controlled, enclosed conditions, they are not designed for intraoperative or point-of-care use. This study compares the IR VIVO with the LightIR system, a more compact and clinically adaptable imaging platform using the same Alizé 1.7 InGaAs detector, to evaluate whether the LightIR can offer comparable performance for back table NIR-II imaging under ambient light. Methods: Standardized QUEL phantoms containing indocyanine green (ICG) and custom agar-based tissue-mimicking phantoms loaded with IR-1048 were imaged on both systems. Imaging sensitivity, spatial resolution, and depth penetration were quantitatively assessed. LightIR was operated in pulse-mode under ambient lighting, mimicking back table or intraoperative use, while IR VIVO was operated in a fully enclosed configuration. Results: The IR VIVO system achieved high spatial resolution (~125 µm) and detected ICG concentrations as low as 30 nM in NIR-I and 300 nM in NIR-II. The LightIR system, though requiring longer exposure times, successfully resolved features down to ~250 µm and detected ICG to depths ≥4 mm. Importantly, the LightIR maintained robust NIR-II contrast under ambient lighting, aided by real-time background subtraction, and enabled clear visualization of subsurface IR-1048 targets in unshielded phantom setups, conditions relevant to back table workflows. Conclusions: LightIR offers performance comparable to the IR VIVO in terms of depth penetration and spatial resolution, while also enabling open-field NIR-II imaging without the need for a blackout enclosure. These features position the LightIR as a practical alternative for rapid, high-contrast fluorescence assessment during back table imaging. The availability of such clinical-grade systems may catalyze the development of new NIR-II fluorophores tailored for real-time surgical applications.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 0,000 |
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 ».