Caractérisation par spectroscopie optique des classes tissulaires rencontrées lors de résection chirurgicale des carcinomes cutanés
user-5ebe287b4c775eda72abcdd8(2018)
摘要
Les cancers cutanes non melanocytaires (appeles carcinomes cutanes) sont les cancers les plus
frequents, et leur prevalence est en augmentation dans l’hemisphere Nord : 20 % des plus de 60 ans sont
porteurs de lesions precancereuses [1]. La chirurgie est le traitement de reference dans la prise en charge
therapeutique de ces cancers et le plus souvent, la resection chirurgicale se fait en « fuseau » (Fig. 1). Ce
fuseau contient 3 types de tissu cutane dont la nature est evaluee visuellement par le chirurgien (avant
diagnostic definitif par anatomo-pathologie) : lesionnel (« L », partie visible du carcinome cutane), perilesionnel
(« PL », marge de securite) et non-lesionnel (« NL », extremites du fuseau).
L’essai clinique SpectroLive mene actuellement au CHR Metz-Thionville propose d’evaluer la
capacite de la spectroscopie optique resolue spatialement a caracteriser la nature histologique et photobiologique
de ces 3 types de tissus. Le dispositif SpectroLive [2] permet l’acquisition de spectres d’autofluorescence
(pics d’excitation entre 365 et 415 nm) et de reflectance diffuse recueillis a 4 distances interfibres
: de 0,4 a 1 mm. Le but est d’aider le chirurgien dans son orientation diagnostique visuelle pour
discriminer plusieurs classes tissulaires d’interet clinique : (i) sain, (ii) cancer, (iii) keratose actinique a
haut potentiel evolutif et (iv) keratose a faible potentiel evolutif. Afin d’augmenter le rapport signal a
bruit, 3 spectres sont acquis consecutivement sur un meme site, pour chacun des 3 types de tissus
rencontres au sein du fuseau chirurgical (L, PL et NL). Les resultats preliminaires montrent une
diminution globale du signal entre cancer (site de mesure « L ») et tissu sain (site de mesure « NL »), en
RD a toutes les distances inter-fibres (Fig. 1b) comme en auto-fluorescence.
更多查看译文
关键词
Resection,Reflectivity,Physics,Gynecology
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要