In the present study, various combinations of dimensionality reduction methods with data clustering methods for the analysis of biopsy samples of intracranial tumors were investigated. Fresh biopsies of intracranial tumors were studied in the Laboratory of Neurosurgical Anatomy and Preservation of Biological Materials of N.N. Burdenko Neurosurgery Medical Center no later than 4 h after surgery. The spectra of Protoporphyrin IX (Pp IX) fluorescence, diffuse reflectance (DR) and Raman scattering (RS) of biopsy samples were recorded. Diffuse reflectance studies were carried out using a white light source in the visible region. Raman scattering spectra were obtained using a 785 nm laser. Patients diagnosed with meningioma, glioblastoma, oligodendroglioma, and astrocytoma were studied. We used the cluster analysis method to detect natural clusters in the data sample presented in the feature space formed based on the spectrum analysis. For data analysis, four clustering algorithms with eight dimensionality reduction algorithms were considered.

Decision support systems based on machine learning (ML) techniques are already empowering neuro-oncologists. These systems provide comprehensive diagnostics, offer a deeper understanding of diseases, predict outcomes, and assist in customizing treatment plans to individual patient needs. Collectively, these elements represent artificial intelligence (AI) in neuro-oncology. This paper reviews recent studies which apply machine learning algorithms to optical spectroscopy data from central nervous system (CNS) tumors, both ex vivo and in vivo. We first cover general issues such as the physical basis of the optical-spectral methods used in neuro-oncology, and the basic algorithms used in spectral signal preprocessing, feature extraction, data clustering, and supervised classification methods. Then, we review in more detail the methodology and results of applying ML techniques to fluorescence, elastic and inelastic scattering, and IR spectroscopy.

Обоснованием настоящей работы является необходимость расширения возможностей срочного определения типа тканей внутричерепных опухолей во время их удаления с целью повышения радикальности операции при максимальной сохранности интактных тканей во избежание рецидива и неврологического дефицита в послеоперационном периоде. ЦЕЛЬ ИССЛЕДОВАНИЯ Создание оптико-спектрального метода дифференциации типов внутричерепных опухолей. МАТЕРИАЛ И МЕТОДЫ Для достижения цели использовано сочетание таких методов, как спектроскопия флуоресценции для анализа содержания в образцах эндогенных и экзогенных флуорофоров, спектроскопия диффузного отражения для анализа структурной целостности тканей по уровню светорассеяния и кровенаполнения по уровню поглощения гемоглобина, а также спектроскопия спонтанного комбинационного рассеяния, позволяющая обнаруживать отдельные молекулярные компоненты исследуемых тканей. Исследование проведено на базе лаборатории нейрохирургической анатомии и консервации биологических материалов ФГАУ «НМИЦ нейрохирургии им. акад. Н.Н. Бурденко» Минздрава России, оно включает 93 образца тканей от 60 пациентов с диагнозами глиобластомы (n=28), менингиомы (n=12), астроцитомы (n=9), олигодендроглиомы (n=5), метастазов (n=6). РЕЗУЛЬТАТЫ Типы внутричерепных опухолей, которые невозможно дифференцировать с помощью одного из рассмотренных режимов спектроскопии, могут быть различимы в другом режиме. ЗАКЛЮЧЕНИЕ Результаты исследования позволяют подтвердить справедливость предположения о преимуществах комбинированного оптико-спектрального подхода.