當前位置:
首頁 > 最新 > 光學分子影像:用光學信息捕捉到腫瘤「惡魔」

光學分子影像:用光學信息捕捉到腫瘤「惡魔」


圖片來自網路

圖片來自網路


  來源:中國科學院自動化研究所

  腫瘤,是危害我們身體最可怕的惡魔之一。要想制服它,首先就是要準確地找到它,看它是怎麼活動的,然後才能開展有針對性的治療。


  自德國科學家倫琴發現X射線以來,人們發現可以通過很多的物理媒介來看到人體的各種器官和組織。於是百年來,X射線(X光CT)、伽馬射線(正電子發射斷層成像)、射頻波(磁共振成像)、超聲波(超聲成像)等各種技術快速發展並應用於醫學診斷,極大地促進了人類對於多種疾病的生物醫學認知和臨床診療能力。


  腫瘤組織也是能通過上述這些技術看到的。但是,面對惡性腫瘤之所以稱之為「惡魔」,自然有它更令人生畏的本領。


  首先,非特異性的影像技術並不能很好地觀測到所有的腫瘤,因此惡性腫瘤往往能在患者體內發展到中晚期。此時,腫瘤細胞已轉移擴散,很難界定其分布範圍;而具有強特異性的影像方法,卻又由於對人體有損害、花費貴等原因,較難用於日常身體檢查。

  此外,即使惡性腫瘤被觀測到,受限於成像技術,腫瘤細胞術在體內的轉移範圍和術後的殘留量也很難確定。腫瘤細胞往往會殘留在體內,隨後東山再起。


  所以,要想用影像技術準確地找到腫瘤「惡魔」,可能還需要花費更多的功夫。


  光學分子影像:用光學信息捕捉到腫瘤「惡魔」


  光學分子影像出現,為人們提供了新的影像技術手段。光學分子影像技術,是指成像目標(例如腫瘤)由於藥物介入等原因會產生特定波長的光學信息。通過對這些光學信息進行採集並推導其光源分布,進而在分子層面上尋找和跟蹤成像目標的運動軌跡。


光學分子影像斷層可視化小鼠顱內腦膠質瘤區域(藍色區域)

光學分子影像斷層可視化小鼠顱內腦膠質瘤區域(藍色區域)


  舉個例子,在進行光學分子標記後,生物體的身體里如果出現了腫瘤細胞,由於熒光效應,腫瘤細胞會發出一種特定譜段的光子。這些光子通過與生物組織的相互作用,會有一部分到達生物體的皮膚,從而被光學探測器捕捉,形成像攝影照片一樣的圖像。這時候,醫生就可以看到腫瘤的產生並捕捉到它的蹤跡。


  光學分子影像可以提供極高的腫瘤成像靈敏度和特異性,又安全無輻射,目前已經被廣泛應用於腫瘤的預臨床動物模型研究中,並逐步開展了腫瘤臨床診療的轉化應用。


  從二維到三維,科學家一直在嘗試


  然而,光學分子影像卻不得不面對一個明顯的瓶頸:所有的光學圖像只能定性地反映動物體表是否有光透出,這是一種二維成像,無法反映出光源在生物體內的三維空間位置,難以確定腫瘤具體發生在動物體內的哪個器官、哪片組織。

  所以,科學家們開展琢磨,如何才能把光學分子影像技術從二維發展到三維?於是,光學散射斷層成像方法被逐步提出,試圖通過動物體表的二維光斑圖像,三維重建出動物體內的光源位置。


  這種重建策略在2000年左右就被提出,經過近20年的發展,科學家們在模型精度和演算法速度方面已經做了很多的工作。但是,由於光子在生物體內不走直線,而是高散射傳播,生物體內不同器官和組織對於光子的散射能力又千差萬別。因此,這種方法一直受困於成像精度不夠、實用性不足。


  利用AI,畫出「不走尋常路」腫瘤細胞的三維影像圖


  日前,中國科學院自動化研究所分子影像院重點實驗室,摒棄了傳統成像方法的思路,提出一種基於人工智慧策略的新型重建方法。


  該網路以鼠腦結構為依託訓練重建模型,並以2D光學分子成像結果作為網路輸入,重建得到三維光學光源(腦膠質瘤)分布結果。


  這種方法充分利用了人工智慧網路的優勢,完全捨棄構建模型去描述光子在生物體內的傳播,而是構建了大量的模擬數據集訓練人工智慧網路,讓計算機自己去「學習」和「理解」體表光斑和體內光源的關係,然後構建出一個新的模型,最終準確定位腫瘤細胞的三維位置,繪製出它活動路徑的三維分布圖。


  該方法顯著提高了成像精度。一系列實驗結果表明,這種新型人工智慧方法對於腫瘤的三維定位誤差均小於80微米,而傳統方法的定位誤差為350微米以上。


  這項研究表明,人工智慧在提高生物醫學成像的成像精度上,有著顯著的優越性和應用潛力,為疾病動物模型乃至臨床患者的影像學研究提供了全新的思路。


  也就是說,藉助人工智慧的力量,人們在定位和跟蹤腫瘤「惡魔」的進程中,又往前邁進了一步。而如何更快、更準確地找到腫瘤「惡魔」,依然是科學家們所努力的方向。


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 新浪科技 的精彩文章:

人類基因組編輯峰會組委會:賀建奎將臨爭議如期發言
廣東省衛健委:針對基因編輯事件已展開調查

TAG:新浪科技 |