人工智能在透明病理學(xué)中的應(yīng)用研究進(jìn)展

劉茜，韓凱泰，黃夢(mèng)圓，劉石頭，郭前進(jìn)

0 前言

透明病理是一種從數(shù)字病理學(xué)發(fā)展而來(lái)的新的病理學(xué)理論，其概念是由浙江大學(xué)教授田梅和張宏等首次于2021年在《歐洲核醫(yī)學(xué)與分子影像雜志》中提出[1]。文章指出，透明病理旨在利用分子影像的優(yōu)勢(shì)來(lái)解決傳統(tǒng)病理中活檢有創(chuàng)取樣[2]、有限取樣[3]且離體組織缺少代謝信息和灌注信息等問(wèn)題。分子影像能對(duì)活體中的生物分子和生物過(guò)程進(jìn)行無(wú)創(chuàng)的、時(shí)空動(dòng)態(tài)的可視化[4]，而透明病理則將跨尺度、多模態(tài)的分子影像與病理學(xué)相結(jié)合，以實(shí)現(xiàn)對(duì)在體疾病的病理生理信息和變化過(guò)程進(jìn)行快速、無(wú)創(chuàng)（或微創(chuàng)）、時(shí)空動(dòng)態(tài)的可視化、表征及測(cè)量。與此同時(shí)，透明病理還可以結(jié)合臨床特征、生物分子、代謝功能、組學(xué)特征等多維信息對(duì)患者進(jìn)行全身水平的精確評(píng)估，這有助于人類(lèi)系統(tǒng)地理解復(fù)雜的疾病病理、疾病發(fā)展及預(yù)后。透明病理中采用的多尺度成像方法主要分成三層[1]：以PET/CT為代表的兼顧宏觀空間尺度和微觀生化成像方法、以MRI為代表的介觀成像方法和以光學(xué)成像為代表的微觀成像方法。透明病理的提出實(shí)現(xiàn)了對(duì)病理生理信息在跨尺度影像視角下的無(wú)創(chuàng)解讀，促進(jìn)了基礎(chǔ)研究向臨床實(shí)踐的轉(zhuǎn)化。PHELPS等[5]對(duì)透明病理的理念高度評(píng)價(jià)，認(rèn)為其是多年科研和臨床實(shí)踐的總結(jié)，是分子影像和病理內(nèi)在聯(lián)系的高度概括，開(kāi)啟了精準(zhǔn)醫(yī)療和未來(lái)醫(yī)學(xué)的新篇章。

近年來(lái)，人工智能技術(shù)在分子影像學(xué)和數(shù)字病理學(xué)中均有著廣泛的應(yīng)用。透明病理是多模態(tài)分子影像和數(shù)字病理結(jié)合產(chǎn)生的新的病理學(xué)實(shí)踐，人工智能技術(shù)在其發(fā)展過(guò)程中將會(huì)發(fā)揮不可替代的作用。例如，虛擬染色[6-7]是一種基于人工智能技術(shù)的組織學(xué)數(shù)字化染色方法。它不僅能夠擴(kuò)大數(shù)字病理學(xué)的診斷范圍，還與分子成像技術(shù)關(guān)聯(lián)緊密，甚至可以與非侵入性的顯微成像技術(shù)結(jié)合，為活體染色提供新的可能。多尺度成像[8-10]是一種采用多種成像模態(tài)在活體水平上進(jìn)行圖像采集的方法，它能夠獲取患者的多維醫(yī)學(xué)數(shù)據(jù)，輔助醫(yī)生對(duì)患者的病灶信息進(jìn)行全面評(píng)價(jià)；基于該方法建成的多模態(tài)深度學(xué)習(xí)醫(yī)療數(shù)據(jù)分析系統(tǒng)[11]將促進(jìn)透明病理實(shí)踐的臨床轉(zhuǎn)化，成為精準(zhǔn)醫(yī)療的重要支持工具。此外，使用不斷發(fā)展的人工智能技術(shù)來(lái)優(yōu)化現(xiàn)有的成像設(shè)備也是一直以來(lái)的研究熱點(diǎn)之一[12]。例如，全自動(dòng)定位技術(shù)可以通過(guò)數(shù)據(jù)采集過(guò)程的自動(dòng)化來(lái)實(shí)現(xiàn)患者的自動(dòng)定位[13]和采集參數(shù)的優(yōu)化，進(jìn)而降低患者接受到的輻射量。

本文介紹了透明病理學(xué)的概念和其在病理學(xué)實(shí)踐中的優(yōu)勢(shì)，并列舉了三個(gè)可能促進(jìn)透明病理學(xué)實(shí)踐發(fā)展的人工智能技術(shù)，包括虛擬染色、多尺度成像與診斷和全自動(dòng)定位。為了深入探討在透明病理學(xué)實(shí)踐發(fā)展中有促進(jìn)潛力的人工智能技術(shù)，本文將首先回顧人工智能技術(shù)在分子影像學(xué)中的應(yīng)用和在數(shù)字病理學(xué)中的發(fā)展，然后分別闡述三種人工智能技術(shù)中具體的前沿方法，以及其在透明病理學(xué)實(shí)踐中的應(yīng)用前景。最后，本文對(duì)透明病理學(xué)實(shí)踐發(fā)展過(guò)程中遇到的挑戰(zhàn)進(jìn)行總結(jié)，同時(shí)展望未來(lái)人工智能技術(shù)在透明病理學(xué)實(shí)踐中的發(fā)展。本文首次以綜述的方法來(lái)探討對(duì)透明病理學(xué)實(shí)踐發(fā)展有促進(jìn)作用的人工智能技術(shù)，期待能提高人們使用人工智能技術(shù)發(fā)展透明病理學(xué)的意識(shí)，推動(dòng)透明病理學(xué)從基礎(chǔ)研究轉(zhuǎn)向臨床實(shí)踐，開(kāi)發(fā)更多與臨床診療相關(guān)的生物標(biāo)志物和診斷工具，為實(shí)現(xiàn)精準(zhǔn)醫(yī)療提供強(qiáng)有力的支持。

1 分子影像學(xué)和人工智能

分子影像學(xué)是一門(mén)交叉學(xué)科[4]，包括但不限于分子生物學(xué)、生物化學(xué)、免疫學(xué)、醫(yī)學(xué)、組學(xué)、納米技術(shù)、蛋白質(zhì)工程等多個(gè)領(lǐng)域，能夠在活體狀態(tài)下，對(duì)細(xì)胞和分子水平的生物信息及過(guò)程進(jìn)行非侵入、全面、時(shí)空動(dòng)態(tài)的可視化、表征和測(cè)量。

分子影像學(xué)所使用的成像技術(shù)主要可分為五類(lèi)：（1）核成像，典型代表為單光子發(fā)射計(jì)算機(jī)斷層掃描（single photon emission computed tomography,SPECT）和PET；（2）CT；（3）MRI；（4）超聲；（5）光學(xué)成像，包括熒光成像（fluorescence imaging, FI）、表面增強(qiáng)拉曼散射成像和生物發(fā)光成像等。不同模態(tài)的成像方式有著不同的空間尺度和不同類(lèi)型的分子信息，詳細(xì)數(shù)據(jù)見(jiàn)表1[4]。

表1 分子成像技術(shù)Tab.1 Molecular imaging

人工智能技術(shù)在分子影像中有兩個(gè)重要應(yīng)用領(lǐng)域，第一個(gè)應(yīng)用領(lǐng)域就是通過(guò)使用不斷發(fā)展的人工智能技術(shù)來(lái)改善單一模態(tài)成像設(shè)備的局限性。例如，在MRI 中通過(guò)使用基于深度學(xué)習(xí)方法（一種人工智能技術(shù)）的圖像采集和圖像重建技術(shù)來(lái)加速圖像生成[14]，在共聚焦顯微鏡中使用內(nèi)容感知圖像恢復(fù)網(wǎng)絡(luò)對(duì)高成像速度獲得的圖像進(jìn)行降噪處理以提高圖像質(zhì)量[15]。此外，深度學(xué)習(xí)模型可以將使用低劑量示蹤劑生成的PET 圖像模擬轉(zhuǎn)換為使用標(biāo)準(zhǔn)劑量生成的PET 圖像，而診斷準(zhǔn)確性不變[16]，這將有效降低患者在成像階段接受的輻射量。另一個(gè)重要應(yīng)用領(lǐng)域是對(duì)通過(guò)分子成像技術(shù)采集到的數(shù)據(jù)進(jìn)一步分析處理以獲得成像生物標(biāo)志物，并用于各種臨床目的[17]。從技術(shù)處理角度來(lái)看，這部分涉及圖像降噪、圖像校正、圖像融合、多尺度圖像配準(zhǔn)、圖像量化[18]等，從臨床應(yīng)用角度來(lái)看，人工智能技術(shù)和分子影像技術(shù)的結(jié)合在神經(jīng)科學(xué)、腫瘤學(xué)、心臟病學(xué)等多領(lǐng)域中能夠輔助醫(yī)生疾病診斷、可視化病理生理進(jìn)展以及對(duì)患者進(jìn)行預(yù)后分析和診斷。例如，CHOI 等[19]基于氟代脫氧葡萄糖（Fluorodeoxyglucose18F,18F-FDG）腦部PET 圖像建立了一個(gè)能夠區(qū)分阿爾茨海默病患者和正常人的深度學(xué)習(xí)模型。該深度模型不僅可以預(yù)測(cè)哪些是迅速轉(zhuǎn)成阿爾茨海默病的輕度認(rèn)知障礙患者，還能區(qū)分帕金森患者和癡呆患者。需要額外指出的是，試驗(yàn)使用的18F-FDG 是一種能夠可視化阿爾茨海默病進(jìn)展的PET 顯像劑。CHOI 等[20]使用經(jīng)典圖像處理算法對(duì)在腦膠質(zhì)瘤患者的T2液體衰減反轉(zhuǎn)恢復(fù)序列的圖像進(jìn)行腫瘤體積分割，在磁共振波譜圖像上通過(guò)對(duì)2-羥基戊二酸的定量測(cè)量來(lái)監(jiān)測(cè)異檸檬酸脫氫酶基因的突變情況，進(jìn)而準(zhǔn)確評(píng)估腫瘤進(jìn)展。此外，使用深度學(xué)習(xí)網(wǎng)絡(luò)還可以從活細(xì)胞的受激拉曼散射顯微鏡圖像中預(yù)測(cè)亞細(xì)胞蛋白質(zhì)定位[21-22]，這在藥物開(kāi)發(fā)和分子靶點(diǎn)選擇上有著重大意義。除了上述提到的直接處理醫(yī)學(xué)影像，通過(guò)從醫(yī)學(xué)影像中提取組學(xué)特征，再進(jìn)行后續(xù)處理也是人工智能量化分析醫(yī)學(xué)影像的一種重要方法，被廣泛應(yīng)用于腫瘤診斷[23]、鑒別診斷[24]、淋巴結(jié)轉(zhuǎn)移[25]、淋巴血管間隙浸潤(rùn)[26]、預(yù)后預(yù)測(cè)[27]等多個(gè)方面。

總的來(lái)說(shuō)，分子影像技術(shù)作為一種體內(nèi)成像的探測(cè)方法，具有無(wú)創(chuàng)、快速且時(shí)空動(dòng)態(tài)獲取分子信息及可視化生物過(guò)程的優(yōu)勢(shì)，在腫瘤[28-29]、神經(jīng)科學(xué)[19,30]、心腦血管疾病[20,31]、基因治療[32]、細(xì)胞追蹤[33]、亞細(xì)胞定位[34]等多個(gè)方面具有廣泛應(yīng)用，特別是在疾病的早期診斷、病理生理過(guò)程可視化、圖像引導(dǎo)治療、患者的個(gè)性化治療、治療效果的精確評(píng)估以及新藥的快速研發(fā)等領(lǐng)域[29,35]開(kāi)辟了新的途徑，同時(shí)也為多角度深入理解復(fù)雜疾病的致病機(jī)理和發(fā)病過(guò)程提供新的見(jiàn)解。

2 數(shù)字病理學(xué)與人工智能

數(shù)字病理學(xué)利用全切片成像（whole slide imaging, WSI）技術(shù)[36]，將實(shí)體的病理組織切片轉(zhuǎn)換成高分辨率、具有優(yōu)異色彩還原的數(shù)字病理圖像，廣泛用于醫(yī)學(xué)教學(xué)、質(zhì)量保證、遠(yuǎn)程診斷等多個(gè)方面[37-38]。

隨著病理切片的大規(guī)模數(shù)字化以及計(jì)算機(jī)輔助診斷技術(shù)的發(fā)展[39]，人工智能與數(shù)字病理之間的協(xié)作更加緊密。研究人員使用機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)了WSI圖像的自動(dòng)處理與分析。2013 年，KOZLOWSKI 等[40]設(shè)計(jì)了一個(gè)全自動(dòng)的圖像分析系統(tǒng)來(lái)量化炎癥性腸病模型中給予藥物治療后蘇木精與伊紅（hematoxylin and eosin, H&E）染色切片的組織學(xué)變化。系統(tǒng)評(píng)分在耗時(shí)僅為人工評(píng)分1/5 的情況下，預(yù)測(cè)結(jié)果88%與病理學(xué)家一致。2016 年，EHTESHAMI 等[41]首次提出一種基于H&E 染色的全切片圖像的全自動(dòng)檢測(cè)乳腺組織導(dǎo)管原位癌（ductal carcinoma in situ, DCIS）的方法來(lái)自動(dòng)區(qū)分WSI 中DCIS 的陰性和陽(yáng)性。結(jié)果顯示，在每個(gè)WSI 的平均假陽(yáng)性數(shù)量為2 和3 的情況下，可以檢出80%和83%的DCIS 病變，這證明了其在常規(guī)病理診斷中的應(yīng)用潛力。除了定量測(cè)量組織形態(tài)特征、快速識(shí)別特定細(xì)胞類(lèi)型，使用機(jī)器學(xué)習(xí)方法處理數(shù)字病理還能挖掘出人類(lèi)肉眼不易察覺(jué)的特征（如紋理特征、空間結(jié)構(gòu)特征等），來(lái)輔助疾病的診斷[42-43]。

得益于深度學(xué)習(xí)技術(shù)的發(fā)展，人們能夠直接從原始圖像中學(xué)習(xí)，而不需要專(zhuān)家經(jīng)驗(yàn)來(lái)定義特征，這進(jìn)一步加速了數(shù)字病理學(xué)的發(fā)展。越來(lái)越多的研究開(kāi)始使用基于深度學(xué)習(xí)的方法來(lái)實(shí)現(xiàn)腫瘤分類(lèi)、腫瘤分級(jí)、癌癥診斷、預(yù)后預(yù)測(cè)以及臨床輔助決策[44]。COUDRAY等[45]在肺細(xì)胞組織病理切片圖像上使用遷移學(xué)習(xí)的方法實(shí)現(xiàn)對(duì)肺癌亞型的自動(dòng)且準(zhǔn)確分類(lèi)并嘗試突變基因預(yù)測(cè)。試驗(yàn)結(jié)果中，系統(tǒng)對(duì)腺癌與鱗癌的預(yù)測(cè)，ROC曲線下面積（area under the curve, AUC）為0.95，對(duì)腫瘤與正常組織分類(lèi)，AUC可達(dá)到0.99，而對(duì)多個(gè)突變基因的預(yù)測(cè)結(jié)果范圍為0.640～0.856。

近年來(lái)，具有明場(chǎng)和熒光的全景數(shù)字病理成像設(shè)備在生物學(xué)、病理學(xué)、組織形態(tài)學(xué)等相關(guān)的科學(xué)研究及醫(yī)療診斷上得到了廣泛應(yīng)用。得益于多靶點(diǎn)全景數(shù)字病理技術(shù)[46]和人工智能技術(shù)，人們已經(jīng)能夠從病理組織原位檢測(cè)出多種生物標(biāo)記物表達(dá)水平[47-49]，并結(jié)合細(xì)胞組學(xué)、免疫組學(xué)[50]、基因組學(xué)[51]等多維信息，輔助醫(yī)生了解復(fù)雜疾病機(jī)制以及制訂合適的治療方案和預(yù)后預(yù)測(cè)。OBRADOVIC 等[52]利用多靶點(diǎn)定量免疫熒光驗(yàn)證了一個(gè)與透明細(xì)胞腎癌不良預(yù)后相關(guān)的腫瘤特異性巨噬細(xì)胞群。該巨噬細(xì)胞群位于腫瘤微環(huán)境中，表現(xiàn)為載脂蛋白E、補(bǔ)體C1q和髓系細(xì)胞觸發(fā)受體2 在其中過(guò)度表達(dá)。這一關(guān)鍵發(fā)現(xiàn)可作為預(yù)測(cè)腎透明細(xì)胞癌復(fù)發(fā)的潛在預(yù)后生物標(biāo)志物。BERRY 等[53]開(kāi)發(fā)的具有高保真單細(xì)胞分辨率的全腫瘤切片多光譜圖像分析平臺(tái)AstroPath，對(duì)接受程序性死亡-1 受體抑制劑（一種免疫檢查點(diǎn)抑制劑）的黑色素瘤患者進(jìn)行了全景多色數(shù)字病理分析，實(shí)現(xiàn)了黑色素瘤的免疫檢查點(diǎn)抑制劑7 種標(biāo)志物的發(fā)現(xiàn)和患者生存預(yù)測(cè)。

總的來(lái)說(shuō)，數(shù)字病理不僅方便了病理組織切片的保存和共享，還能夠與人工智能技術(shù)結(jié)合從而節(jié)省病理學(xué)家人工診斷的時(shí)間，避免主觀誤診、漏診的發(fā)生[38-39]。與此同時(shí)，數(shù)字化的病理解決了時(shí)間和地域原因產(chǎn)生的會(huì)診困難問(wèn)題[54]，提高了遠(yuǎn)程病理診斷的準(zhǔn)確性和效率，有助于醫(yī)療資源更合理地分配。此外，基于人工智能的數(shù)字病理學(xué)在臨床研究中還能輔助醫(yī)生決策、改善患者預(yù)后、深入了解復(fù)雜的疾病機(jī)制，從而促進(jìn)精準(zhǔn)醫(yī)療的發(fā)展。

3 人工智能在透明病理實(shí)踐中的應(yīng)用

3.1 虛擬染色技術(shù)

近年來(lái)，數(shù)字病理學(xué)實(shí)踐[38-39]隨著自動(dòng)化、高通量的切片掃描儀和數(shù)字圖像查看器的普及而得到廣泛應(yīng)用。使用人工智能技術(shù)對(duì)數(shù)字化的病理切片圖像進(jìn)行特定顏色生成或特定顏色轉(zhuǎn)換已經(jīng)成為了現(xiàn)實(shí)[6-7]，這種對(duì)數(shù)字病理切片進(jìn)行特定顏色處理的技術(shù)就是虛擬染色技術(shù)。

BAI 等[55]對(duì)基于深度學(xué)習(xí)方法的生物組織樣本虛擬染色進(jìn)行了概括，主要包括無(wú)標(biāo)記染色和不同染色類(lèi)型間的轉(zhuǎn)換。前者主要利用訓(xùn)練完成的深度學(xué)習(xí)網(wǎng)絡(luò)將無(wú)標(biāo)記的組織圖像生成與H&E、馬松三色等染色顏色相同的虛擬組織學(xué)圖像。后者將已染色組織的數(shù)字圖像轉(zhuǎn)換成其他染色類(lèi)型的數(shù)字圖像。其中，使用虛擬染色技術(shù)對(duì)無(wú)標(biāo)記樣本組織的生物自發(fā)熒光圖像進(jìn)行數(shù)字化染色，從而達(dá)到同一樣本的染色版本的明場(chǎng)圖像，是目前研究中應(yīng)用較多的虛擬染色方案。MENG 等[56]開(kāi)發(fā)了一個(gè)生成對(duì)抗網(wǎng)絡(luò)的虛擬組織學(xué)染色模型，將無(wú)標(biāo)記的卵巢組織切片的自發(fā)熒光圖像作為模型輸入，生成與H&E染色的卵巢組織切片顏色相同的圖像，準(zhǔn)確率達(dá)93%。此外，有研究[57]在熒光圖像中加入“數(shù)字染色基質(zhì)”，然后作為染色模型的輸入，從而實(shí)現(xiàn)混合H&E、瓊斯銀和馬松三色染色，這在傳統(tǒng)的組織化學(xué)染色工作中是不可能完成的。值得注意的是，由于生物組織的自發(fā)熒光團(tuán)能表征豐富的組織代謝信息和病理生理過(guò)程[29,58]，無(wú)標(biāo)記組織的自發(fā)熒光圖像還可以實(shí)現(xiàn)更復(fù)雜的分子染色，如組織實(shí)驗(yàn)室常用的免疫組織化學(xué)（immunohistochemistry staining, IHC）染色。BAI 等[59]成功將無(wú)標(biāo)記的乳腺組織切片的自發(fā)熒光圖像轉(zhuǎn)換成符合標(biāo)準(zhǔn)的人表皮生長(zhǎng)因子受體2蛋白的虛擬IHC染色，并通過(guò)雙盲法評(píng)分肯定了虛擬染色的染色質(zhì)量。這將顯著擴(kuò)大虛擬組織染色的應(yīng)用范圍。而不同染色類(lèi)型間的轉(zhuǎn)換不僅可以實(shí)現(xiàn)利用普遍、便宜的染劑獲取比較難獲得的染色類(lèi)型，還可以實(shí)現(xiàn)能夠?qū)崿F(xiàn)在同一視場(chǎng)內(nèi)比較不同染色類(lèi)型下器官、組織或細(xì)胞結(jié)構(gòu)，提高診斷的準(zhǔn)確性。在DE HAAN 等[60]的工作中，將H&E 染色的人腎樣本轉(zhuǎn)化為包括瓊斯銀、馬松三色和過(guò)碘酸-雪夫染色在內(nèi)的特征染色。根據(jù)三位腎臟病理學(xué)家的評(píng)估，然后由第四位病理學(xué)家進(jìn)行裁決，研究發(fā)現(xiàn)這些染色類(lèi)型的轉(zhuǎn)化可以改善非腫瘤性腎病的診斷。XIE等[61]從H&E染色的三維（three dimensions, 3D）前列腺活檢樣本中實(shí)現(xiàn)了細(xì)胞角蛋白8的虛擬免疫熒光染色，從而基于生物標(biāo)志物來(lái)協(xié)助3D腺體精確分割。

總的來(lái)說(shuō)，虛擬染色方法作為一種通用框架，與分子成像技術(shù)有著密切的關(guān)聯(lián)，特別是光學(xué)成像，該方法可以廣泛適用于各種組織樣品制備過(guò)程中。隨著無(wú)標(biāo)記成像和顯微鏡技術(shù)的快速發(fā)展，傳統(tǒng)的樣品制備過(guò)程有可能被取代，這將促進(jìn)整個(gè)組織學(xué)工作流程進(jìn)一步加速[55]。值得注意的是，這種基于人工智能的虛擬染色技術(shù)與非侵入性的顯微成像技術(shù)（如活體顯微成像技術(shù)、共聚焦顯微成像技術(shù)等）相結(jié)合，為活體染色提供了新的可能。除了節(jié)省時(shí)間、成本和勞動(dòng)力，虛擬染色還可以通過(guò)染色多路復(fù)用來(lái)獲取額外的組織學(xué)信息，進(jìn)而輔助診斷評(píng)估。虛擬染色技術(shù)不但能擴(kuò)大數(shù)字病理學(xué)的范圍，還可以提高數(shù)字病理學(xué)中其他下游機(jī)器視覺(jué)任務(wù)的性能，如器官的自動(dòng)分割[61]、病理特征的識(shí)別[62]以及組織的分類(lèi)[63]。虛擬染色技術(shù)在加速透明病理的實(shí)踐落地上有著巨大的潛力。

3.2 多尺度活體成像和診斷

透明病理使用多尺度分子成像技術(shù)來(lái)獲取多維度、多角度的病理生理信息，從而對(duì)影像結(jié)果進(jìn)行更好地解讀，以支持研究從基礎(chǔ)到臨床的轉(zhuǎn)換。在透明病理的評(píng)價(jià)系統(tǒng)中，多尺度成像方法包括以PET/CT 為代表的兼顧宏觀尺度和微觀生化成像方法、以MRI 為代表的介觀尺度成像方法和以光學(xué)成像為代表的微觀尺度成像方法。

使用多功能納米探針是實(shí)現(xiàn)多尺度成像的一種重要方法。KARPATI 等[64]設(shè)計(jì)了一種名為NP3 的混合成像納米探針，可以同時(shí)使用MRI 和雙光子顯微鏡在體內(nèi)成像，無(wú)明顯細(xì)胞毒性，可用于神經(jīng)炎癥的多尺度和多模態(tài)研究。WANG 等[9]于2022 年采用一步法制備了球形納米探針Au/Gd NDs，用于前列腺骨轉(zhuǎn)移的FI/CT/MRI 多模態(tài)成像和準(zhǔn)確診斷。試驗(yàn)結(jié)果表明，三種成像模式相輔相成，實(shí)現(xiàn)了轉(zhuǎn)移性前列腺癌的高精度檢測(cè)，并準(zhǔn)確指導(dǎo)治療。此外，體外和體內(nèi)試驗(yàn)表明，Au/Gd NDs 具有良好的生物相容性以及可靠的生物安全性。它能夠?qū)寝D(zhuǎn)移性前列腺癌進(jìn)行準(zhǔn)確定位，在臨床腫瘤診斷和手術(shù)指導(dǎo)中具有潛在的應(yīng)用價(jià)值。除了使用多功能納米探針進(jìn)行多模態(tài)成像，LIU 等[8]設(shè)計(jì)了一個(gè)基于透明窗口模型[65]的多模態(tài)活體分子成像系統(tǒng)，來(lái)支持腫瘤透明病理的相關(guān)研究。該系統(tǒng)創(chuàng)造性地將PET、MRI 和FI 集成在背側(cè)皮膚窗腔中的剛性框架上來(lái)實(shí)現(xiàn)多模態(tài)成像。成像后，將透明窗的組織剪切后進(jìn)行標(biāo)準(zhǔn)切片制備，然后將影像與病理進(jìn)行協(xié)同配準(zhǔn)和診斷分析。

現(xiàn)有的研究中，多尺度圖像的配準(zhǔn)方法有很多。例如，PURI 等[66]提出一種以體內(nèi)外CT 圖像為中介的方法，來(lái)實(shí)現(xiàn)組織病理與體外PET-CT 中的PET 圖像對(duì)齊，LIU等[8]則通過(guò)透明窗體上的物理配準(zhǔn)標(biāo)記（如固定螺釘螺紋和縫線）實(shí)現(xiàn)了PET/MRI/FI/組織病理的多尺度圖像之間的共配準(zhǔn)。除了上面提到的這兩種方法，使用人工智能技術(shù)也可以實(shí)現(xiàn)多尺度圖像配準(zhǔn)。BHARGAVA 等[10]開(kāi)發(fā)了一種基于血管基準(zhǔn)點(diǎn)彈性多尺度圖像協(xié)同配準(zhǔn)方法來(lái)融合MRI、CT和光學(xué)圖像以實(shí)現(xiàn)多尺度成像數(shù)據(jù)的共同注冊(cè)。

在獲取多尺度分子影像數(shù)據(jù)后，需要進(jìn)一步將影像數(shù)據(jù)、臨床特征、代謝信息、基因組學(xué)、免疫組學(xué)等多維度醫(yī)學(xué)數(shù)據(jù)融合與分析，從而更好地為病理學(xué)家和臨床醫(yī)生進(jìn)行輔助支持。崔雅瓊等[27]將治療前的多參數(shù)MRI影像轉(zhuǎn)換成影像組學(xué)特征，隨后使用機(jī)器學(xué)習(xí)方法對(duì)影像組學(xué)和臨床特征進(jìn)行融合并構(gòu)建預(yù)測(cè)模型實(shí)現(xiàn)對(duì)宮頸癌脈管侵犯的預(yù)測(cè)和預(yù)后預(yù)測(cè)。CHEN等[11]設(shè)計(jì)了一種基于深度學(xué)習(xí)的弱監(jiān)督、多模態(tài)融合算法，該算法使用H&E全切片數(shù)字病理圖像和分子譜特征（包括基因突變狀態(tài)、拷貝數(shù)變異和RNA-seq）來(lái)進(jìn)行多種癌癥的生存預(yù)測(cè)，同時(shí)還能解釋并量化組織病理學(xué)特征、分子特征及其相互作用對(duì)癌癥低、高風(fēng)險(xiǎn)患者的影響。此外，他們還專(zhuān)門(mén)開(kāi)發(fā)了一個(gè)研究工具用于推動(dòng)新的預(yù)后生物標(biāo)志物的發(fā)現(xiàn)。

以透明病理為基礎(chǔ)，結(jié)合臨床特征、分子特征、代謝特征、多組學(xué)特征，不僅能夠?qū)颊呷硭降牟±砩硇畔⑦M(jìn)行無(wú)創(chuàng)、準(zhǔn)確地評(píng)估，還能輔助醫(yī)生在臨床做出及時(shí)、準(zhǔn)確的決策并為患者制訂個(gè)性化的治療方法。

3.3 全自動(dòng)定位技術(shù)

使用不斷發(fā)展的人工智能技術(shù)來(lái)優(yōu)化現(xiàn)有的成像設(shè)備，是一直以來(lái)的研究熱點(diǎn)之一。例如CT 的圖像采集速度快、空間分辨率高，具有很好的臨床效用，但是存在著較大的電離輻射。因此，在較低輻射劑量下獲得高質(zhì)量的圖像一直是醫(yī)療和電子制造相關(guān)領(lǐng)域的研究熱點(diǎn)[12,67]。在傳統(tǒng)的CT 掃描中，技術(shù)人員首先需要將患者調(diào)整到龍門(mén)的合適位置，然后準(zhǔn)確識(shí)別患者體表解剖定位線，接著手動(dòng)將患者從掃描的起始位置移動(dòng)到結(jié)束位置。整個(gè)過(guò)程完全由醫(yī)技人員操作，掃描結(jié)果的可靠性高度依賴(lài)于醫(yī)技人員的經(jīng)驗(yàn)和操作技能。多項(xiàng)研究[68-69]表明，患者的準(zhǔn)確定位直接關(guān)系到輻射劑量和圖像質(zhì)量。甚至有些技術(shù)人員可能會(huì)因?yàn)檫^(guò)于謹(jǐn)慎而擴(kuò)大待檢測(cè)區(qū)域的非必要掃描范圍，從而造成患者接觸的輻射量的非必要增加。因此，對(duì)患者進(jìn)行準(zhǔn)確定位是在低輻射強(qiáng)度中獲得高質(zhì)量圖像的關(guān)鍵因素之一。

得益于信息技術(shù)的發(fā)展，依托彩色/深度3D 相機(jī)來(lái)檢測(cè)人體標(biāo)志點(diǎn)[70]，利用人工智能算法和深度傳感技術(shù)使得CT 系統(tǒng)能夠完成全自動(dòng)且準(zhǔn)確定位。SALTYBAEVA 等[13]的研究表明，使用人工智能算法的腹部全自動(dòng)定位CT 掃描，相對(duì)于手動(dòng)定位，平均絕對(duì)偏移量由（18±11） mm 降至（4±2） mm，最大絕對(duì)偏移量由43 mm 降至9 mm，而偏移量大于20 mm 的嚴(yán)重誤差更是從40%（14 例/30 例）降至0。王韓倫等[71]指出了對(duì)于不同身體質(zhì)量指數(shù)（body mass index,BMI）的患者，當(dāng)BMI 越大時(shí)，使用人工智能技術(shù)對(duì)患者進(jìn)行全自動(dòng)定位與手動(dòng)定位相比，前者具有明顯的定位優(yōu)勢(shì)。在2019 年新冠病毒大流行期間，GANG 等[72]采用智能引導(dǎo)機(jī)器人與自動(dòng)定位技術(shù)相結(jié)合的遠(yuǎn)程自動(dòng)化CT 檢查。該設(shè)備不僅能夠避免患者與醫(yī)生發(fā)生病毒性交叉感染，而且，相較于常規(guī)成像，在縮短患者的檢查時(shí)間的同時(shí)，還因?yàn)槎ㄎ粶?zhǔn)確和提高患者在胸部CT 成像時(shí)的屏氣依從性而增加了圖像的信噪比。

基于人工智能技術(shù)的全自動(dòng)定位技術(shù)應(yīng)用在CT系統(tǒng)中，不僅能將醫(yī)技人員從煩瑣重復(fù)的工作中解放出來(lái)，還能在低輻射劑量下獲得高質(zhì)量照片。這種全自動(dòng)定位技術(shù)為透明病理實(shí)踐中跨尺度、多模態(tài)成像設(shè)備的開(kāi)發(fā)和優(yōu)化提供了可借鑒思路。

4 透明病理遇到的挑戰(zhàn)

透明病理在醫(yī)學(xué)研究和臨床轉(zhuǎn)化上有著巨大的應(yīng)用前景，目前也有一定的實(shí)踐基礎(chǔ)和初步嘗試，但是我們也必須看到透明病理發(fā)展過(guò)程中遇見(jiàn)的問(wèn)題。

首先，透明病理所依賴(lài)的多尺度成像系統(tǒng)在設(shè)備投入和檢測(cè)的高成本可能會(huì)讓很多衛(wèi)生系統(tǒng)望而止步。數(shù)據(jù)是醫(yī)學(xué)研究和病理實(shí)踐的基石，數(shù)據(jù)量的缺乏將在一定程度上阻礙透明病理實(shí)踐的發(fā)展。另外還需要關(guān)注的問(wèn)題是數(shù)據(jù)的規(guī)范標(biāo)準(zhǔn)。透明病理的實(shí)踐基于多模態(tài)、跨尺度的分子成像技術(shù)，這些不同空間分辨率的成像技術(shù)在成像硬件、成像采集參數(shù)和圖像預(yù)處理流程（如圖像分割、圖像歸一化、圖像增強(qiáng)）等方面，都缺少規(guī)范化的實(shí)踐指南，這可能為透明病理的研究帶來(lái)重大的挑戰(zhàn)。因此，積極創(chuàng)建醫(yī)學(xué)區(qū)域共同體，共享高端設(shè)備資源，積極推動(dòng)行內(nèi)專(zhuān)業(yè)人員合作交流[73]，并為該領(lǐng)域的研究人員探索出一套標(biāo)準(zhǔn)化的實(shí)踐指南并嘗試創(chuàng)建大規(guī)模、標(biāo)準(zhǔn)化、公開(kāi)可用的數(shù)據(jù)集是非常重要的。

此外，透明病理中跨尺度成像之間，以及圖像與離體病理之間的配準(zhǔn)，也是透明病理發(fā)展過(guò)程中不可忽視的問(wèn)題，這直接關(guān)系到透明病理是否可以被精確評(píng)估。多尺度成像數(shù)據(jù)的配準(zhǔn)目前仍然具有一定的挑戰(zhàn)性，盡管目前多項(xiàng)研究對(duì)跨尺度圖像的配準(zhǔn)進(jìn)行了探索，但是開(kāi)發(fā)通用且可靠的注冊(cè)工具[10]可能是解決此問(wèn)題的方法。在未來(lái)的研究中，我們期待更多更精準(zhǔn)的多尺度圖像配準(zhǔn)方法被提出，來(lái)促進(jìn)透明病理的規(guī)范化實(shí)踐，為精準(zhǔn)醫(yī)療提供強(qiáng)有力的工具。

最后需要指出的是，透明病理學(xué)目前還僅停留在理論階段，如果想得到病理學(xué)家、臨床醫(yī)生或患者的信任，必須保證實(shí)踐活動(dòng)的質(zhì)量。因此，開(kāi)發(fā)可靠、易用且易于集成臨床工作流程的系統(tǒng)是很有必要的[74]。基于人工智能系統(tǒng)的數(shù)字圖像分析方法雖然被證明在影像學(xué)和病理學(xué)中有著巨大價(jià)值，但其推理功能仍然是無(wú)法解釋的“黑匣子”。解釋它們的預(yù)測(cè)也一直是人工智能技術(shù)的技術(shù)挑戰(zhàn)。透明病理實(shí)踐系統(tǒng)的實(shí)現(xiàn)除了要增加模型的可解釋性，還需要證明其臨床效用，才能加快透明病理的臨床轉(zhuǎn)化。而臨床效用一般可以通過(guò)快速增加首次人體試驗(yàn)量和通過(guò)標(biāo)準(zhǔn)化技術(shù)來(lái)證明安全性和可重復(fù)性來(lái)實(shí)現(xiàn)。

5 小結(jié)與展望

透明病理以多尺度分子影像為基礎(chǔ)，進(jìn)一步結(jié)合臨床特征、分子特征、代謝信息、基因組學(xué)、免疫組學(xué)等多維度醫(yī)學(xué)數(shù)據(jù)，不僅能夠在體外實(shí)現(xiàn)無(wú)創(chuàng)、時(shí)空動(dòng)態(tài)的可視化、表征及測(cè)量體內(nèi)疾?。ㄈ缒[瘤）的生理和代謝過(guò)程，還能實(shí)現(xiàn)對(duì)患者全身水平及時(shí)、準(zhǔn)確地評(píng)估。人工智能技術(shù)應(yīng)用于透明病理學(xué)實(shí)踐不僅能夠?qū)崿F(xiàn)數(shù)據(jù)采集的自動(dòng)化和成像質(zhì)量的優(yōu)化，還可以實(shí)現(xiàn)多尺度圖像的融合和多維數(shù)據(jù)的分析，這將輔助醫(yī)生在臨床做出及時(shí)、準(zhǔn)確的決策并為患者制訂個(gè)性化的治療方案。與此同時(shí)，透明病理實(shí)踐還可以為患者護(hù)理帶來(lái)自動(dòng)化、高靈敏度、新的臨床應(yīng)用，提高患者的生活質(zhì)量并節(jié)約醫(yī)療資源。此外，這種全面可視化的多尺度病理實(shí)踐模式將會(huì)促進(jìn)更多病理學(xué)和分子影像領(lǐng)域的研究人員相互合作，從而加速兩者的融合，促進(jìn)其由基礎(chǔ)研究向臨床轉(zhuǎn)化，更好地推動(dòng)醫(yī)學(xué)進(jìn)入精準(zhǔn)時(shí)代。

作者利益沖突聲明：全體作者均聲明無(wú)利益沖突。

作者貢獻(xiàn)聲明：郭前進(jìn)設(shè)計(jì)和指導(dǎo)本研究的方案，對(duì)稿件重要的智力內(nèi)容進(jìn)行了修改；劉茜對(duì)研究方案進(jìn)行調(diào)研和實(shí)施，起草和撰寫(xiě)稿件；韓凱泰、黃夢(mèng)圓、劉石頭獲取、分析或解釋本研究的文獻(xiàn)，對(duì)稿件重要的智力內(nèi)容進(jìn)行了修改；郭前進(jìn)獲得了國(guó)家自然科學(xué)基金項(xiàng)目資助。全體作者都同意發(fā)表最后的修改稿，同意對(duì)本研究的所有方面負(fù)責(zé)，確保本研究的準(zhǔn)確性和誠(chéng)信。