1月4日，眼视光学院（生物医学工程学院）、附属眼视光医院王毅研究员团队在Nature Communications杂志上发表题为Rapid, label-free histopathological diagnosis of liver cancer based on Raman spectroscopy and deep learning的研究论文，提出了一套利用拉曼光谱和人工智能的技术，进行组织病理学诊断，并探讨了术中肿瘤诊断，为术中快速病理诊断和术中导航提供了新思路。

组织病理学检查是癌症诊断的金标准。常规的组织病理学检查包括组织切片、染色等流程，步骤相对繁琐、耗时，且诊断结果依赖于病理医生的主观判断。在临床手术中如果需要对特定部位进行病理判断，则通常需要术中冰冻切片进行病理诊断，这不可避免会对手术造成中断或延迟。

拉曼光谱是一种分子振动光谱，基于振动分子的光非弹性散射可以提供复杂生物样本的化学指纹谱图。组织癌变进程中的生物成分变化，可以基于拉曼光谱以便捷、无损、无标记的形式得以反馈。

但是由于光谱分析的复杂性以及癌组织的异质性，需要合适的数学分析模型辅助以实现来自不同组织类型的光谱数据识别与区分。对此，研究团队基于拉曼光谱和深度学习技术提出了一套用于肝癌组织体外和术中病理学诊断的工作流程。

图 基于拉曼光谱和智能算法的肝癌组织病理学诊断工作流程

王毅研究团队与温州医科大学附属第一医院肝胆外科团队合作，通过采集得到的超过12000张来自120对肝癌组织和对应癌旁组织的拉曼光谱，建立得到肝组织拉曼光谱数据库。随后构建并训练得到基于VGG-16的卷积神经网络模型，将采集得到的光谱数据输入模型，实现了肝癌组织与癌旁组织的自动区分，准确率到达92.6%。

此外，利用该模型还成功实现了不同亚型、分化程度和肿瘤分期的肝癌组织的鉴别。非靶标代谢组学分析验证了不同肝组织类型间的代谢产物差异，且与拉曼分析结果一致。

在上述光谱差异的基础上，以无染色、无标记的方式实现亚微米分辨率的不同病理组织切片的2D/3D拉曼成像，以及肝癌肿瘤边界成像。

最后，研究团队成功将手持式拉曼光谱系统运用于临床手术中，探讨了利用拉曼光谱实时术中肝癌诊断的可行性。

论文第一作者和第一通讯作者单位均为眼视光学院医院王毅研究员、张庆文副研究员（国科温州研究院）为共同通讯作者。王毅研究员硕士研究生黄礼平为该论文第一作者。该项目研究得到浙江省自然科学杰出青年基金项目、浙江省千人计划等项目资助。

论文链接：https://www.nature.com/articles/s41467-022-35696-2

扫一扫在手机打开当前页