Skip to main content
Login | Suomeksi | På svenska | In English

Browsing by Author "Sädevirta, Sanja"

Sort by: Order: Results:

  • Pirhonen, Juho; Arola, Johanna; Sädevirta, Sanja; Luukkonen, Panu; Karppinen, Sanna-Mari; Pihlajaniemi, Taina; Isomäki, Antti; Hukkanen, Mika; Yki-Järvinen, Hannele; Ikonen, Elina (2016)
    Maksan rasvoittumisen ajatellaan joskus olevan vain metabolisen oireyhtymän hyvälaatuinen maksamanifestaatio, vaikka se johtaa, erityisesti maksan fibrotisoituessa, kasvaneeseen kardiovaskulaarikuolleisuuteen ja pahimmillaan maksasyöpään. Tästä kansanterveydellisesti merkittävästä roolista huolimatta rasvamaksa on alidiagnosoitu ja sen patogeneettiset mekanismit ovat huonosti ymmärrettyjä, molemmat osin hyvien diagnostisten työkalujen puutteesta johtuen. Päätimme selvittää uusien non-lineaaristen kuvantamismodaliteettien soveltuvuutta rasvamaksan varhaisessa diagnostiikassa. Selvitimme 32 lihavuusleikkauspotilaan maksakudoskoepalojen kudosarkkitehtuurin perinteisin kudosvärjäysmenetelmin ja vertasimme tuloksia samojen potilaiden non-lineaarisesti kuvannettuihin näytteisiin. Kuvansimme minimaalisesti käsitellyistä jääleikkeistä coherent anti-Stokes Raman scattering (CARS) ja second harmonic generation (SHG) signaalit, joita hyödyntäen arvioimme näytteiden rasva- ja kollageenipitoisuuden. Kehitimme myös kuva-analytiikka-algoritmin, joka mahdollistaa kollageenisignaalin automatisoidun ja objektiivisen arvioimisen. Näytteistä mittaamamme SHG- ja CARS-signaalit korreloivat hyvin patologien arvioihin näytteiden fibrotisoitumis- ja rasvoittumisasteista, minkä lisäksi automatisoitu algoritmimme erotteli luotettavasti jopa varhaisen fibroosin normaalista kudoksesta. Myös terveiksi luokiteltujen näytteiden maksakudoksen keskellä esiintyi hienoa fibrillaarista SHG-signaalia. Tunnistamamme SHG-signaali oli spesifiä kolokalisoituen hyvin kollageeni-I- ja III-vasta-ainevärjäyksien kanssa. Tuloksemme osoittavat, että multimodaalisten kuvantamismenetelmien avulla voidaan tunnistaa maksan fibrillaarista kollageenia perinteisiä kudostutkimusmenetelmiä herkemmin. Kehittämämme kuva-analyysi-algoritmi puolestaan arvioi varhaisen fibroosin määrän nopeasti, objektiivisesti ja jatkuvalla skaalalla. Yhdessä nämä löydökset luovat edellytykset tutkia esimerkiksi maksan vähäisen fibroosin kliinistä merkitystä ja paranemistaipumusta isommissa potilasaineistoissa.