Bioimpedance-Based Real-Time Tissue-Sensing for Needle Guidance

Lääkärit joutuvat tekemään haastavia pistoja ja ottamaan kudosnäytteitä usein näkemättä suoraan kohdetta. Epätarkkuus neulan kärjen sijainnissa injektion tai näytteenoton yhteydessä voi lisätä komplikaatioriskiä, viivästyttää diagnoosia ja hoitoa, lisätä piston kestoa, aiheuttaa ylimääräistä kipua sekä kudosvaurioita. Bioimpedanssi voisi tarjota käytännöllisen neulaohjausmenetelmän haastaviin pistoihin. Bioimpedanssi mittaa kudosten sähköisiä ominaisuuksia, on turvallinen, kustannustehokas menetelmä, joka voidaan toteuttaa monenlaisiin instrumentteihin. Ennen tätä väitöskirjatutkimusta, tutkimus on kuitenkin pääasiassa keskittynyt kehittämään mittausteknologiaa laboratorio-olosuhteissa. Reaaliaikaista bioimpedanssipohjaista neulaohjaus- ja kudostunnistuslaitteistoa ei ole tutkittu riittävästi elävällä kudoksella sovelluskohtaisesti optimoiden todellisessa kliinisessä käytössä. Tämän työn tavoitteena on kehittää ja arvioida reaaliaikaista bioimpedanssipohjaista neulaohjaus- ja kudostunnistuslaitteistoa haastaviin pistoihin. Työssä tarkastellaan laitteiston toimivuutta ensin nestetunnistukseen, sitten pehmytkudos- ja lopuksi kasvainkudostunnistukseen. Työssä keskitytään teknologian toimivuuden tarkasteluun todellisessa kliinisessä käytössä, mihin kuuluu myös kudoksen mikrorakenteiden vaikutus sekä sovelluskohtainen vaihteleva potilasaineisto. Esimerkkisovellukset, joissa laitteiston soveltuvuutta ja toimivuutta tutkitaan käytännön kliinisessä työssä ovat nivelpistot, selkäydinpuudutuksen lannepistot sekä maksabiopsiat. Bioimpedanssipohjainen kudostunnistuslaitteisto koostuu mittauselektrodista, im-pedanssianalysaattorista sekä kudosluokitusalgoritmista. Kehitetyn laitteiston mittauselektrodina toimii tyypillinen neula ja sen sisälle laitettu, kärkeä lukuun ottamatta eristetty metallilanka. Mittaus tapahtuu neulaputken ja sisälangan väliltä bipolaarisesti. Useampaa injektioneulakokoa sekä yhtä biopsianeulakokoa testattiin. Reaaliaikainen mittaus on toteutettu käyttäen monitaajuusbinääriherätesignaalia, jonka teho on suunniteltu keskittymään 15 eri taajuudelle väliltä 1–349 kHz. Luokittelija-algoritmi on tilastollinen, Bayesian luokittelijaan perustuva. Algoritmi muuttaa impedanssianalysaattorin impedanssispektrin informaation 15 taajuudelta ensin ominaispiirteiksi ja sitten ominaispiirteiden perusteella tekee kudosluokituksen. Käytetyt ominaispiirteet, sisällytetyt kudosluokat, kohdekudos ja algoritmin parametrit valitaan, optimoidaan ja opetetaan sovelluskohtaisesti. Menetelminä käytin elementtimenetelmä tietokonesimulaatioita, yhden sian in vivo eläinkoetta sekä kolmea in vivo kliinistä koetta. Reaaliaikaista nesteen tunnistusta tutkittiin 80 nivelen nivelpistoissa (51 potilasta) sekä 45 potilaan selkäydinpuudutuksissa ja kasvainten erottuvuutta 26 potilaan maksabiopsiatutkimuksessa. Kliiniset in vivo tutkimukset nivelpistoissa ja selkäydinpuudutuksissa osoittivat, että laitteisto soveltuu hyvin reaaliaikaiseen nestetunnistukseen myös kliinisessä ympäristössä todellisilla potilailla. Nivelnesteen tunnistuksen luotettavuus oli 85 % kokeessa, jossa tehtiin 80 nivelpistoa eri niveliin, ja selkäydinnesteelle 91 % selkäydin-puudutuksissa 45 potilaalle. Eläinkoe osoitti, että laitteisto pystyy luokittelemaan luotettavasti myös pehmytkudoksia, joiden johtavuuserot itsessään voivat olla pieniä. Kokonaisluotettavuus tunnistaa pehmytkudos oli 94 % yhdestä elävästä siasta kerätyllä aineistolla luokitellessa maksaa, pernaa, lihasta, rasvaa ja verta. Impedanssisignaali vaihteli suuresti elävästä kudoksesta mitattaessa ja jo pienikin neulan siirtymä hieman eri kohtaan kudoksessa vaikutti mittausarvoon. Simulaatiot osoittivat, että jo 0,2 mm paksuiset kudosrakenteet vaikuttavat merkittävästi signaaliin aiheuttaen siihen vaihtelua. Toisaalta simulaatiot näyttivät myös miten paikallisesti tarkka toteutetun mittauselektrodin herkkyysjakauma on. Herkkyysjakauma keskittyi voimakkaasti neulan kärjelle, eikä kudosrakenteet neulan sivulla vaikuttaneet mittaus-signaaliin. Kohteet, jotka olivat kooltaan 2 x 2 x 2 mm³ tai suurempia mittautuivat oikein. Kliininen in vivo tutkimus 26 potilaan maksabiopsiasta osoitti, että kasvainkudoksen impedanssispektri on erilainen verrattuna ympäröivään kasvaimettomaan kudokseen. Ero oli merkittävä impedanssimagnitudissa alle 25 kHz taajuuksilla ja vaihekulmassa alle 3 kHz sekä yli 30 kHz taajuuksilla. Luotettavan kasvaintunnistusalgoritmin kehitys vaatii kuitenkin lisää tutkimusta ja laajempaa mittausaineistoa. Tässä työssä tutkittu reaaliaikainen bioimpedanssipohjainen kudostunnistusmenetelmä osoittautui hyvin tarkaksi paikallisesti sekä toimivaksi kliinisessä ympäristössä todellisilla potilailla. Koska laitteisto pystyy reaaliaikaisesti tunnistamaan, missä kudoksessa neulan kärki sijaitsee, menetelmällä on potentiaalia haastavien pistojen helpottamisessa. Tulevaisuudessa se voisi jopa muuttaa käytänteitä tehdä haastavia pistoja.