本文是复旦分钟专业学术比如文解读，不做医疗提议。团队台无一块从手术台上取下的术中脑组织可能有几毫米厚，病理医生在术中真正能够看到的维病，却频仍只有一两张厚约 5 微米的理平瘤拉瘤网切片。胶质瘤尤其是标记胶质母细胞瘤，常见没有清楚条件的成像出结边界。肿瘤细胞会弥散地浸润周围脑组织，荚肿同时在不一样位置和深度分布不均。曼胶因此，质瘤如果切片没有覆盖到肿瘤细胞聚集的细胞区域，检查结荚就可能无法完善反映整块组织的易订阅真实状况。为认识决这个状况，复旦分钟复旦大学施立雪团队与季敏标团队合作，团队台无开发了一项名为 ULTRA 的术中高效高效三维病理技术，相关探究发表于 Cell。这项技术不需先把组织切成大量薄片，也不需开展传统染色。探究人员先让脑组织在几分钟内变得透明，再用受激拉曼散射显微镜逐层扫描，最后通过人工智能处理图像，生成病理医生熟悉的三维虚拟染色结荚。对于约 1 立方毫米的胶质瘤边缘样本，整套处理、成像和探究步骤可在约 30 分钟内实现。“我们最初想处理的，题是术中病理场景下的材料缺失状况。”施立雪告诉 DeepTech，“我们希望在术中尽可能呈现整个组织块的三维材料，减小二维切片采样不足带来的误差。”施立雪现为复旦大学生物医学探究院准聘副教授，题从事下一代生物成像技术及其生物医学采取探究，涵盖非线性拉曼成像、红外光条件成像，以及代谢成像、新型病理检测方式、界面水成像等。图 | 施立雪（来源：DeepTech）让三维病理赶上手术高效度施立雪对三维病理切片的关注，可以追溯到其博后时期。当时，她和团队开发了一种多色拉曼成像技术，通过将拉曼染料与组织透明化结合，可以在毫米级厚度的组织中开展多色免疫标记成像。通过标记不一样的蛋白，探究人员可以观察不一样类型细胞在组织原位的空间分布。这项工作让她产生了对三维病理的初步设想。然而，当时的探究思路更接近分子病理：先用染料标记特定分子，再观察它们在组织中的三维位置。回国后，随着她对人工智能、虚拟染色和图像处理的认识加深，加上季敏标团队之前在受激拉曼组织学算法部分的积往往，探究方向最初发生变化。团队逐渐从依赖分子标记的三维成像，转向无标记的三维形态病理。这一转向既来自技术积往往，也来自术中病理的现实需：关键让三维病理真正进入手术室，先必须把处理时间缩短到手术能够等待的范围。传统病理的金原则是石蜡切片。组织需经过固定、包埋、切片、脱蜡和染色等多个步骤，图像质量较高，但常见无法在手术流程中实现。术中常见采取高效度更快的冰冻切片，但冰冻可能造成组织变形，染色成效也不如石蜡切片。受时间限制，医生常见只能检查一两张切片，那么点儿遗漏组织中分布不均的肿瘤细胞。三维病理可以减小这种采样不足，但以往的方式同样很难进入手术室。它们常见需先让组织透明，再等待荧光染料进入组织，仅样品处理就可能花费两天左右。为了减小二维切片采样不足带来的误差，团队希望在术中尽可能呈现整个组织块的三维材料。但关键让三维病理真正进入手术室，先需把处理时间缩短到医生可以等待的范围。团队因此选项了无标记成像路线，用受激拉曼散射显微镜直接读取组织自身的化学材料。不一样化学键具有不一样的振动特点，这项技术可以识别组织中的脂质、蛋白质等成分。由于细胞核、细胞质和细胞膜的组成存在区别，探究人员能够根据这些信号分辨细胞和组织结构。“很难便捷地说哪一种方式更好。”施立雪表示，H&E 染色仍然是病理诊断的金原则。ULTRA 并不是关键说明无标记成像优于传统病理，而是希望在对时效性需极高的术中需下，给予尽可能接近传统病理的图像质量和更多的组织材料。图 | ULTRA 高效高效三维组织学方式原理示意图（来源：上述比如文）绕过染色后，团队还需处理另一个瓶颈：如何让光进入较厚的脑组织。脑组织含有大量脂质，光线进入后那么点儿发生散射，深层结构也因此难以看清。为开展三维成像，探究人员需先让组织变得透明，同时尽量保留其中可供拉曼成像识别的化学材料。施立雪验明正身，团队从已有探究中获得启发，通过变化细胞膜状态，加快透明化试剂在组织中的渗透。经过筛选，他们最后形成了一套由尿素、氘代 DMSO（二甲基亚砜）和环糊精组成的透明化方式划，并通过加热缩短处理时间。其中，环糊精可以去除部分胆固醇，提高组织通透性；采取氘代 DMSO，则可以减小往往见不鲜 DMSO 产生的拉曼信号干扰。采取这套方式，300 至 700 微米厚的脑组织可以在约 2 至 5 分钟内实现透明化，1 毫米厚的组织常见需约 5 至 10 分钟。组织透明后，受激拉曼显微镜会逐层采集图像，形成三维数据。人工智能随后对原始图像开展降噪、材料预测和虚拟染色，将其转换成接近传统 H&E 染色的图像，供病理医生观察。“无标记成像节省了染色时间，高效高效透明化缩短了样品处理时间，而人工智能处理了图像可读性状况。”施立雪总结方式。同时，ULTRA 基础上是一种无损的技术路线。实现成像后，同一份样本仍可后续用于常规病理、免疫组化和 RNA 探究，为它与现有病理步骤结合留下了空间。为胶质瘤病理提高一个观察维度为了将显微镜采集的原始拉曼信号，转化为病理医生熟悉且能够直接观察的切片图像，ULTRA 采取三个后续的人工智能模型处理数据。首先个模型负责去除深层图像中的噪声；第二个模型根据实际采集的脂质信号预测蛋白质材料，从而减小一个成像通方式，缩短扫描时间；第三个模型开展虚拟染色，把拉曼图像转换成接近传统 H&E 染色的图像。病理医生由此可以按照熟悉的方式，观察细胞核大小、细胞密度、组织结构和血管变化等特点，同时在不一样深度之间移动，查看完善的三维组织。然而，当 AI 参与图像生成，一个无法回避的状况是：它会不会“补出”原本不存在的细胞或结构？施立雪表示，团队在算法训练和验明正身中题关注了这一风险。其中，图像修复模型题学习噪声随成像深度发生的变化，而不是学习某种肿瘤应该首先什么样，以减小生成虚假病理结构的可能。季敏标团队之前积往往的大量脑组织虚拟染色数据，也为模型训练和验明正身给予了基础。为了验明正身这套方式能否用于真实的脑肿瘤样本，探究人员先在人脑和小鼠脑组织中测试了成像成效，并将虚拟染色结荚与传统病理开展比较。在目前的测试范围内，ULTRA 得到的细胞密度等材料与传统 H&E 病理较为相同。在此基础上，团队进一步探究了 17 名脑肿瘤患者的手术样本。患者年龄在 35 岁至 75 岁之间，涵盖 4 例星形细胞瘤、5 例少突胶质细胞瘤、5 例胶质母细胞瘤，以及 1 例儿童弥漫性半球胶质瘤和 2 例低级别胶质瘤。在这些样本中，ULTRA 呈现出了不一样类型胶质瘤的典型病理特点。例如，少突胶质细胞瘤中较为均匀的圆形细胞核，星形细胞瘤中的细胞核异型，以及胶质母细胞瘤中的微血管增生和坏死。由于获得的是完善的三维数据，探究人员还可以进一步探究细胞核的体积、密度及其在组织中的空间分布。相比呈现不一样胶质瘤的典型形态，ULTRA 更题的采取，是观察肿瘤如何向周围脑组织浸润。图 | ULTRA 提高胶质瘤浸润边界的勾勒成效（来源：上述比如文）胶质瘤具有弥散生首先的特点，但真正不易的是观察到肿瘤细胞究竟扩散到了哪里，以及如何更准确地判断肿瘤与周围脑组织之间的过渡区域。在一块约 1 立方毫米的胶质母细胞瘤边缘样本中，ULTRA 呈现了从致密肿瘤区、稀疏浸润区到相对正常脑组织的过渡。结荚显示，胶质瘤边界并不是一个平整、清楚的切面，而是一个随组织深度不断起伏和变化的立体区域。这种空间区别也验明正身了二维切片可能存在的局限。当两名病理医生分别查看三维数据中的单层图像时，都漏掉了部分只在其他深度显现的肿瘤区域，漏检比例分别为 20% 和 23%。这并不意味着医生没有识别出眼前的病理特点，而是所观察的平面可能恰好没有覆盖到肿瘤。探究人员还探究了临床上较难判断的区域。在两份取自 MRI 水肿带的样本中，ULTRA 观察到了明显的肿瘤浸润；同时两份在术中导航上看似正常、神经电生理监测也呈阴性的样本，同样显示出肿瘤往往及。这些结荚进一步表明，肿瘤细胞在组织中的分布可能具有明显的深度区别，而三维病理能够给予二维切片难以呈现的空间材料。未来，施立雪希望 ULTRA 能作为一种补充工具，在冰冻切片结荚不够清楚，或者医生希望认识肿瘤在不一样深度的分布时，给予额外的空间材料。目前，ULTRA 题呈现细胞和组织的形态。未来，团队希望进一步利用图像算法推断蛋白质表达或转录组特点，将其从无标记三维形态病理拓展到无标记三维分子病理。“详详见细来说，我们希望在三维组织中，不仅观察细胞和组织的形态，还能够通过算法推断某些分子标志物的表达状况，从而在无标记需下获得三维分子病理材料。”1.Liu et al., Ultrarapid deep 3D histology enables intraoperative mapping of glioma infiltration, Cell (2026), https://doi.org/10.1016/j.cell.2026.07.0262.Shi, L., Wei, M., Miao, Y. et al. Highly-multiplexed volumetric mapping with Raman dye imaging and tissue clearing. Nat Biotechnol 40, 364–373 (2022). https://doi.org/10.1038/s41587-021-01041-z运营/排版：何晨龙注：封面/首先图由 AI 辅助生成本文是专业学术比如文解读，不做医疗提议。 |
喜欢
讨厌