Imaging MUSE a Basso Ingrandimento Equipara l'Alta Risoluzione per il Rilevamento dei Margini nel Cancro al Seno

Uno studio recente pubblicato su arXiv (2608.11317) ha indagato la praticità dell'imaging a fluorescenza a basso ingrandimento per il rilevamento dei margini nel cancro al seno attraverso l'analisi della texture e tecniche di deep learning. La ricerca ha confrontato immagini di microscopia con eccitazione ultravioletta superficiale (MUSE) a ingrandimenti di 4x e 10x per la classificazione a livello di patch. Sia l'analisi della texture (TA) utilizzando pattern binari locali (LBP) che l'approccio di deep learning (DL) con un modello Vision Transformer (ViT) hanno dimostrato prestazioni comparabili ai due ingrandimenti. Il metodo DL ha raggiunto una sensibilità del 96,30%, una specificità del 100% e un'accuratezza del 98,18% a entrambi i livelli. Mentre il metodo TA ha mostrato una specificità del 100% a 4x e una sensibilità del 100% a 10x, entrambi i metodi hanno mantenuto un'accuratezza identica (96,67%). I risultati indicano che l'imaging a 4x può fornire un'accuratezza diagnostica simile a quella a 10x, potenzialmente facilitando valutazioni intraoperatorie dei margini più rapide ed economiche. Questo studio sottolinea il potenziale della MUSE come tecnica efficace per valutare i margini chirurgici nelle operazioni per il cancro al seno, con l'imaging a basso ingrandimento che presenta un vantaggio pratico senza sacrificare l'accuratezza.