Abstract

Skin cancer is the most common cancer, and its incidence is increasing each year. Its diagnosis is based on a histopathological inspection by pathologists. Other imaging techniques are currently being actively researched to assist pathologists in improving diagnostic accuracy. Fourier Transform Infrared (FTIR) spectroscopy is gaining in popularity among researchers due to its ability to provide spatially resolved biochemical and biological information while also being compatible with histopathological samples. Furthermore, facilitating FTIR spectroscopic data with various machine learning methodologies for automating classification has become a popular practice. These methodologies have achieved high accuracy in discriminating cancerous samples from healthy ones, but limited work has been done to determine the metastatic potential of cells and optimize the FTIR spectroscopy protocol for achieving the best classification result.

This thesis reviewed all skin cancer studies that used FTIR spectroscopy as a potential diagnostic tool to assess its effectiveness in various aspects of skin cancer research and to analyse the performance of different methods used for differentiating diseased samples from healthy ones. In addition, a model was developed to examine whether different malignant melanoma cell lines (primary and metastatic) can be discriminated using the spectral data acquired from the samples. Furthermore, the effects of different modes (transmission and transflection) and sample processing methods (deparaffinized and paraffinized) on the acquired spectra were investigated, and the combination providing the best classification result was determined.

According to the results of this thesis, FTIR spectroscopy can differentiate different types of skin cancers from healthy samples as well as between different skin cancers (melanoma and non-melanoma) and the most common non-melanoma cancers. Melanoma has received the most attention in skin cancer research due to its ability to metastasize nearby lymph nodes and other vital organs in a short period of time. FTIR spectroscopy has the potential to discriminate between different malignant melanoma cells and possibly characterize their metastatic potential by utilizing spectral features associated with them. Although good classification accuracy for discriminating different malignant melanoma cells can be achieved in both modes and sample types, spectral data acquired using the transflection mode from a paraffinized sample provides the best classification result.

Tiivistelmä

Ihosyövät ovat maailmanlaajuisesti yleisimpiä syöpiä, ja niiden ilmaantuvuus kasvaa joka vuosi. Ihosyöpien diagnoosi perustuu patologin tekemään histopatologiseen tutkimukseen. Kuvantamistekniikoita tutkitaan aktiivisesti, jotta ihosyöpien diagnostiikkaa voitaisiin parantaa. Infrapuna (IR)-spektroskopia on kasvattanut suosiota tutkijoiden keskuudessa, koska sillä voidaan tutkia kudosleikkeistä alueellisia eroja kudoksen koostumuksessa. Kudosten IR-spektrien luokittamisessa käytetään usein koneoppimiseen perustuvia automaattisia menetelmiä. Näillä menetelmillä on kyetty erottamaan tarkasti syöpäsolut terveistä soluista. Toisaalta syöpäsolujen metastasoimispotentiaalin määrittämiseksi IR-spektreistä on tehty vain vähän tutkimuksia, ja mittausprotokollia ei ole vielä optimoitu parhaimman luokitustuloksen saavuttamiseksi.

Tässä väitöskirjatyössä tehtiin kirjallisuuskatsaus kaikista IR-spektroskopiaa hyödyntävistä ihosyöpätutkimuksista. Katsauksessa arvioitiin IR-spektroskopian soveltuvuutta ihosyöpätutkimuksen eri osa-alueilla ja analysoitiin eri mittaus- ja data-analyysimenetelmien kykyä erottaa sairaat ja terveet ihonäytteet toisistaan. Lisäksi tässä työssä kehitettiin malli, jolla pyrittiin luokittelemaan pahanlaatuisia melanoomasolulinjoja niiden IR-spektrien perusteella. Työssä tutkittiin myös eri mittausmoodien (transmissio ja transflektio) ja näytteenkäsittelymenetelmien (ei-parafinoitu ja parafinoitu) vaikutuksia mitattuihin IR-spektreihin ja määritettiin näiden yhdistelmä, jolla saadaan paras tulos melanoomasolujen luokittelemisessa.

Väitöskirjan tulosten perusteella voidaan sanoa, että IR-spektroskopialla pystytään erottamaan eri ihosyövät terveestä ihokudoksesta ja tunnistamaan ihosyövän tyyppi. Melanooma on saanut eniten huomiota ihosyöpätutkimuksessa, koska se pystyy muodostamaan etäpesäkkeitä lähellä oleviin imusolmukkeisiin ja muihin elintärkeisiin elimiin lyhyessä ajassa. IR-spektroskopialla voidaan erottaa eri pahanlaatuiset melanoomasolulinjat toisistaan ja mahdollisesti arvioida melanoomasolujen metastasoimispotentiaalia IR-spektrien piirteiden perusteella. Melanoomasolujen luokittelutarkkuus oli hyvä molemmissa tutkituissa mittausmoodeissa ja näytetyypeissä, mutta paras luokitustulos saavutettiin, kun käytettiin parafinoituja näytteitä ja mittaukset tehtiin transflektiomoodissa.

Osajulkaisut / Original papers

Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon. / Original papers are not included in the electronic version of the dissertation.

1. Shakya, B. R., Shrestha, P., Teppo, H.-R., & Rieppo, L. (2021). The use of Fourier Transform Infrared (FTIR) spectroscopy in skin cancer research: A systematic review. Applied Spectroscopy Reviews, 56(5), 347–379. https://doi.org/10.1080/05704928.2020.1791152

2. Shakya, B. R., Teppo, H.-R., & Rieppo, L. (2021). Discrimination of melanoma cell lines with Fourier Transform Infrared (FTIR) spectroscopy. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 254, 119665. https://doi.org/10.1016/j.saa.2021.119665

   Rinnakkaistallennettu versio / Self-archived version

3. Shakya, B. R., Teppo, H.-R., & Rieppo, L. (2022). Optimization of measurement mode and sample processing for FTIR microspectroscopy in skin cancer research. The Analyst, 147(5), 851–861. https://doi.org/10.1039/D1AN01999F

   Rinnakkaistallennettu versio / Self-archived version