方法文章

利用受激拉曼组织学与人工智能检测和分离前列腺活检中的癌症

1.7K 次观看

⸱

DOI：

10.3791/68083

⸱

2025年6月10日

 ,  ,  ,  ,  ,  , 
1Genecentrix Inc., 2Vancouver Prostate Center, University of British Columbia, 3Invenio Imaging, 4Dept. of Urology, NYU Langone Health, 5Dept. of Radiology, NYU Langone Health, 6Dept. of Biomedical Engineering, NYU Langone Health, 7Dept. of Urologic Sciences, University of British Columbia

本文内容

摘要

本文介绍了一种利用穿刺活检样本进行刺激拉曼组织学（SRH）检测前列腺癌的标准化方案，该方法相较于传统组织病理学具有优势，重点在于样本制备、成像以及人工智能的应用，以提高癌组织与正常组织的比例。此外，该方案还支持转录组学研究、类器官或异种移植模型的生物样本库建设，以及术中手术切缘的识别。

摘要

前列腺癌仍然是全球男性中最常见的恶性肿瘤之一，因此早期检测和精准医疗的进步对于有效干预和治疗至关重要。本文介绍了一种标准化操作流程，用于在前列腺癌检测中结合使用受激拉曼组织学（stimulated Raman histology, SRH）与集成的人工智能（AI）技术，相较于传统的组织病理学方法具有显著优势。SRH通过实现对新鲜未染色组织的近实时、无标记成像，提高了检测效率，从而消除了传统活检分析所带来的时间延迟。

通过使用受激拉曼散射（SRS）显微技术检测与脂质相关的CH2键的特定振动频率以及与蛋白质和DNA相关的CH3键的振动频率，可区分前列腺活检中的癌变组织与良性组织。人工智能模型进一步提高了诊断精度，在识别前列腺癌方面达到了98.6%的准确率。该实验方案详细阐述了样本制备、成像和数据分析的关键步骤，有助于改进生物样本库的构建流程，并支持转录组学和异种移植研究等后续应用。该方法可加速诊断工作流程，在术中应用方面具有广阔前景，有望帮助外科医生在手术过程中识别阳性切缘。此外，重新扫描并调整癌组织与正常组织比例的能力，使得对活检样本的分析更加个性化，从而提升未处理组织中肿瘤的检出率。然而，受激拉曼组织成像（SRH）在临床实践中广泛应用之前，仍需进一步的研究与验证。

引言

前列腺癌仍然是全球男性中最主要的恶性肿瘤之一，早期检测对于成功干预和治疗至关重要1。传统上，前列腺癌的诊断主要依赖于对前列腺活检样本进行组织病理学评估，最常用的方法是苏木精-伊红（H&E）染色2。尽管该方法有效，但由于操作流程和后勤因素的影响，传统的前列腺活检分析通常需要等待数天至数周，具体时间因城市或国家而异。这些延迟源于多个耗时的步骤，包括福尔马林固定、石蜡包埋、切片以及H&E染色。因此，加上活检样本数量庞大，总体处理时间可能进一步延长，从而延误诊断和治疗方案的制定。

成像技术的最新进展，特别是受激拉曼散射（SRS）显微技术，可通过提供一种无背景干扰且易于解读的可靠成像方法，改变诊断实践3,4。SRS利用两束激光，即泵浦光束（ωp）和斯托克斯光束（ωs），与样品发生相互作用。当频率差（Δω = ωp − ωs）与特定的分子振动频率（Ω）相匹配时，由于受激拉曼增益或损耗，信号被放大。该过程增强了分子振动的对比度，从而实现对组织的高度灵敏成像3,4。SRS能够检测与CH2伸缩振动（2,845 cm-1）相关的分子振动，该振动与脂质相关，以及与CH3伸缩振动（2,930 cm-1）相关的分子振动，后者与蛋白质和DNA相关4。SRS信号的检测通常采用高频调制传递方案，从而实现从背景噪声中精确分离出微弱的振动信号。

受激拉曼散射（SRS）显微技术具有光学切片能力，能够在无需对组织进行物理切片的情况下实现精确的三维成像。该技术通过将泵浦激光束和斯托克斯激光束在样品内部一个衍射极限的焦点处对准并聚焦，激发特定的分子振动。SRS的共焦特性源于其信号对激光强度的二次依赖关系，确保信号仅限于焦平面内，排除了离焦区域的信号贡献，从而提供高度局域化的化学信息5,6。这种深度分辨成像通过消除机械切片，保护了组织的完整性，缩短了处理时间，并维持了样品的生物学和分子环境。

基于受激拉曼散射（SRS）原理，受激拉曼组织学（SRH）利用这种分子振动数据，实时生成新鲜未染色组织的伪苏木精-伊红（H&E）染色图像，从而为临床医生提供更快速、更高效的诊断工具7,8。SRH 生成高质量图像的能力使其成为研究和潜在临床应用中不可或缺的工具9。最近，在部分腺体消融术和根治性前列腺切除术中，术中采用 SRH 进行切缘评估，可在手术过程中提供接近实时的病理反馈，从而实现即时治疗调整10,11。

SRH成像技术利用分子固有的振动特性来提供组织成分的信息。通过分析CH2和CH3的振动特性，SRH可有效区分前列腺的癌变组织与良性组织7,12。SRH成像仪捕捉这些振动信号，生成伪H&E染色图像，增强细胞核对比度，可作为传统组织病理学的快速替代方案，并在2至8分钟内提供高质量图像，具体时间取决于组织大小7,8。

评估了SRH用于未处理前列腺活检标本快速病理学检查的有效性。对病理学家进行了培训，以解读从前列腺切除标本中获取的活体外（ex vivo）前列腺穿刺活检组织的SRH图像8。优化了SRH扫描方法，可在数分钟内获得高分辨率图像，显著缩短了与传统组织病理学相比所需的时间。包含良性和恶性组织学混合成分的活检样本被用作病理学家的训练集，随后由其对另一组独立的活检样本进行盲法评估，这些样本均通过SRH成像，并经H&E染色处理作为金标准对照。结果显示，病理学家识别前列腺癌的平均准确率为95.7%，在检测临床显著性癌方面具有良好的一致性，表明SRH可有效支持接近实时的诊断8。

在后续研究中，通过整合人工智能（AI）进一步提高了诊断的准确性、效率和实施的便捷性。该AI模型采用深度学习技术分析由SRH捕获的振动和形态学特征，能够自动将前列腺活检样本分类为良性、癌性和无法诊断的区域，显著简化了病理评估流程9。SRH与AI的整合表现出优异的准确性，在前列腺癌检测中达到96.5%的准确率，敏感性和特异性分别为96.3%和96.6%9。通过将AI与SRH结合，实现了与经验丰富的病理学家相当的诊断性能。

通过对SRH技术与病理学家的广泛评估，并将人工智能模型整合到SRH成像仪中，该技术的能力已得到显著提升。本方案详细阐述了前列腺活检样本的制备步骤、使用SRH成像仪进行成像以及利用人工智能辅助工具进行数据分析的过程。通过遵循这些步骤，研究人员和临床医生可利用这一新型技术提高前列腺癌的检测、研究和治疗水平。

访问受限。请登录或开始试用以查看此内容。

方案

本方案涉及人类样本的使用，并遵循不列颠哥伦比亚大学的人类护理指南。该研究已获得机构审查委员会（IRB）批准，伦理审批编号如下：SRH：H23-00459，AI：H24-00585，以及生物样本库：H21-03722。在样本采集前，已从所有人类受试者获得书面知情同意。所有操作均按照机构和监管伦理标准进行，以确保参与者的保护与信息保密。

1. 打开SRH成像仪

  1. 启动SRH成像仪（图1A）。让系统预热30分钟，以确保激光器达到最佳工作温度，从而实现准确成像。

2. 准备流体室

  1. 将装有灭菌水的 50 mL 注射器连接到 SRH 成像仪接口左侧的注射阀上（图 1B）。确保注射器牢固安装，以维持正常的液体循环。

3. 登录系统

  1. 系统加载完成后，使用触摸屏显示器输入用户名和密码。
  2. 选择相应的用户名并输入密码，点击登录。
  3. 接受免责声明，以确认在美國或歐盟以外地區使用時，該研究僅用于科研目的。

4. 创建新研究

  1. 从显示选项中选择创建新研究： Create New Study, Continue Existing Study, 和 View Existing Study。

5. 输入病例信息

  1. 输入相关病例信息，包括姓氏、名字、病历号、出生日期、样本编号、试验编号、医师姓名、房间号、主要解剖位置和分析模块。
  2. 将样本保存为John Doe（例如）。
  3. 在主要解剖位置下，选择前列腺（仅限研究使用）。
  4. 对于分析模式，选择前列腺癌（仅限研究使用），以启用集成的人工智能进行前列腺癌检测。

6. 完成研究创建并填充液体室

  1. 输入病例信息后，点击创建研究。
  2. 当系统提示时，点击确认，以确认数据仅用于研究目的。
  3. 按说明用无菌水填充液室。
  4. 当系统提示时，点击下一步，然后从显示的选项中选择采集。
  5. 点击加载新样本，系统将显示准备样本 & 装载NIO载玻片。

7. 样本与玻片的制备

  1. 取出前列腺活检切片。使用带齿的组织镊子小心地打开附着的盖玻片。在用手固定切片并保持盖玻片打开的同时，用组织镊子将RPMI培养基中的前列腺活检组织稳妥地放置在切片的凹槽内。轻轻合上盖玻片，固定样本。
  2. 打开SRH成像仪接口上的切片架，将制备好的切片插入切片架中，确保位置对齐。关闭SRH成像仪的盖子。当系统检测到盖子已关闭后，点击下一步继续操作。

8. 设置成像采集参数

  1. 设置以下成像参数：
    1. 对于 标本名称：选择第一个活检样本为 Biopsy 1 A 。
    2. 对于 扫描区域：选择 0.4 mm x 6.1 mm, 3 个区域 (仅供研究使用) 以扫描整个活检样本。
    3. 对于 扫描位置：使用屏幕上的图像手动调整扫描位置。
  2. 点击 获取图像 继续操作。
  3. 查看屏幕上显示的样本详细信息，并通过选择 继续 进行确认。

9. 获取SRH图像

  1. 让SRH成像仪自动对焦并采集图像，生成最终的SRH图像。
  2. 让成像仪将活检样本分为三个区域进行扫描（扫描1、扫描2和扫描3），如图2A所示。
  3. 让成像仪将各区域图像合并，形成完整的SRH图像（图2B），生成一张类似H&E染色的图像用于评估。

10. SRH 图像的显示

  1. 观察新鲜未染色前列腺活检组织的SRH图像。该图像采用粉红色/紫色配色方案，模拟苏木精-伊红（H&E）染色效果，突出显示CH2 分子振动（与脂质相关）和CH3分子振动（与蛋白质和DNA相关）。

11. 用于研究目的的SRH图像的人工智能解读

  1. 通过点击屏幕上的 (>>) 图标 应用人工智能叠加层。人工智能叠加层以红色标识癌变区域，以绿色标识非癌变区域，以紫色标识非诊断性区域（图3A）。
  2. 查看柱状图，该图量化了癌变组织、非癌变组织和非诊断性组织的百分比（图3B）。
  3. 通过点击 (<<) 图标返回原始SRH图像，取消人工智能叠加层显示。

12. SRH 图像的缩放与导航

  1. 使用触摸屏上的放大和缩小功能，详细查看活检样本的不同区域。
  2. 使用导航图标在图像中移动，全面检查活检样本。

13. 特定组织的分离

  1. 初始扫描完成后，小心地将活检组织从载玻片上取下。使用带齿镊子提起附着的盖玻片，并轻柔地释放活检组织。
  2. 将活检组织置于浸有生理盐水的湿润泰尔法（Telfa）材料上，以在修整过程中保持组织完整性。
  3. 使用手术刀修除在SRH图像的人工智能生成叠加图中识别出的非癌变区域，通过目视评估叠加图来确定最佳切除部位。重点去除通常位于活检组织末端的区域，以提高癌组织与总组织的比例。确保保留足够的组织用于重新扫描。

14. 重新扫描活检样本

  1. 按照步骤 9-11 中所述的相同程序重新扫描活检样本。
  2. 调整扫描区域和位置，以确认癌组织与正常组织的比例增加（见图 3C-E）。查看更新后的 SRH 图像及人工智能叠加结果，核实癌组织与非癌组织区域的百分比。
  3. 重复修整和重新扫描，直至达到理想的比例。

15. 生物样本库与冷冻保存

  1. 使用带齿镊子将活检组织从载玻片上取下，放入冻存管中。
  2. 将冻存管置于液氮中速冻，以确保样本得到快速保存。
  3. 将装有冻存管的液氮转移至 -80 °C 超低温冰箱或液氮储存设备中，用于长期保存。

16. 导出图像数据

  1. 轻敲 纸飞机图标 用于导出图像数据以进行存储和进一步分析。
  2. 选择导出位置，点击 选择导出位置 选项并从中选择 USB（去标识化），USB（完整），以及 iPhone（完整版）选择 USB（完整版） 并选择一个外部硬盘用于数据导出。
  3. 选择要导出的图像序列，点击 完整研究 导出该患者的所有SRH图像序列，而非特定序列。
  4. 等待系统显示 导出进行中 并轻敲 确认 导出完成后。

17. 关闭SRH显微镜

  1. 点击退出，并按照屏幕上显示的关机说明进行操作。
  2. 当提示归档图像数据时（如已导出），选择不归档继续。
  3. 根据相应的实验室规程处理样本。
  4. 点击下一步，并按照指示使用连接的注射器排空液室。
  5. 当提示时，点击下一步，然后从显示的选项中选择是。
  6. 取下注射器并妥善丢弃。
  7. 点击关机以完全关闭SRH显微镜的电源。

访问受限。请登录或开始试用以查看此内容。

结果

将受激拉曼散射成像（SRH）与人工智能（AI）相结合的应用，可在数分钟内实现前列腺癌在活检样本中的快速检测与表征。图2A展示了SRH成像仪的多步扫描流程，其中在活检样本上依次进行了三次不同的扫描（扫描1、扫描2和扫描3）。每次扫描均捕获了与脂质、蛋白质和DNA含量相对应的独特分子振动特征，这些信息对于生成全面的SRH图像至关重要。最终的合成图像如图2B所示，其外观模拟了苏木精-伊红（H&E）染色结果，为病理学家提供了区分癌变区域与良性区域的可视化工具。该方法实现了接近实时、无需标记的诊断，显著缩短了从获取活检样本到完成病理评估所需的时间。

成像过程完成后，人工智能分析（如图3A所示）通过在SRH图像上自动叠加预测结果，增强了SRH的诊断能力。叠加图中将肿瘤区域（红色）、非肿瘤区域（绿色）和无法诊断的区域（紫色）区分开来，如图3B的...

访问受限。请登录或开始试用以查看此内容。

讨论

用于前列腺癌检测的SRH技术代表了医学成像与组织病理学领域的重要进展。SRH能够对新鲜、未经染色的组织进行近实时、无标记成像，从而在无需传统组织病理学方法所伴随的处理延迟的情况下，快速检测未处理组织中的癌症3,4,5,6,7,8,9。该技术的关键步骤包括SRH成像仪的准备、活检样本的处理以及人工智能（AI）在图像分析中的整合。具体而言，该方案强调在成像前需让SRH成像仪充分预热，这对于实现激光的最佳性能以及准确成像分子振动特性至关重要。此外，仪器需要进行适当的平衡调节，且可整合由Invenio Imaging开发的AI算法。为获得高质量、能准确反映组织学特征的SRH图像，还需仔...

访问受限。请登录或开始试用以查看此内容。

披露

C. Freudiger 是 Invenio Imaging 的员工、股东和董事，并拥有受独立授权的受激拉曼光谱显微技术相关专利。A. Ion-Margineanu 是 Invenio Imaging 的股东。

致谢

我们感谢温哥华前列腺中心和纽约大学朗格尼健康中心研究团队的贡献，以及Invenio Imaging提供的技术支持。本工作由不列颠哥伦比亚省卫生部创新中心资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
台式液氮容器赛默飞世尔科技11-670-4B
细胞管Greiner Bio-One126279
Dumont #5 精细镊子Fine Science Tools11254-20
NIO 前列腺活检切片Invenio Imaging, Inc.AT0013
RPMI 溶液赛默飞世尔科技11875093
生理盐水巴克斯特
SRH成像仪（NIO激光成像系统）Invenio Imaging, Inc.
手术刀片Fisher Scientific501094395

参考文献

  1. Siegel, R. L., Miller, K. D., Jemal, A. Cancer statistics, 2020. CA Cancer J Clin. 70 (1), 7-30 (2020).
  2. Epstein, J. I., et al. The 2014 International Society of Urological Pathology (ISUP) Consensus Conference on Gleason Grading of Prostatic Carcinoma: Definition of grading patterns and proposal for a new grading system. Am J Surg Pathol. 40 (2), 244-252 (2016).
  3. Freudiger, C. W., et al. Stimulated Raman scattering microscopy with a robust fibre laser source. Nat Photonics. 8 (2), 153-159 (2014).
  4. Freudiger, C. W., et al. Label-free biomedical imaging with high sensitivity by stimulated Raman scattering microscopy. Science. 322 (5909), 1857-1861 (2008).
  5. Hu, F., Shi, L., Min, W. Biological imaging of chemical bonds by stimulated Raman scattering microscopy. Nat Methods. 16 (9), 830-842 (2019).
  6. Cheng, Q., Miao, Y., Wild, J., Min, W., Yang, Y. Emerging applications of stimulated Raman scattering microscopy in materials science. Matter. 4 (5), 1460-1483 (2021).
  7. Orringer, D. A., et al. Rapid intraoperative histology of unprocessed surgical specimens via fibre-laser-based stimulated Raman scattering microscopy. Nat Biomed Eng. 1, 0027(2017).
  8. Mannas, M. P., et al. Stimulated Raman histology, a novel method to allow for rapid pathologic examination of unprocessed, fresh prostate biopsies. Prostate. 83 (11), 1060-1067 (2023).
  9. Mannas, M. P., et al. Stimulated Raman histology interpretation by artificial intelligence provides near-real-time pathologic feedback for unprocessed prostate biopsies. J Urol. 211 (3), 384-391 (2024).
  10. Mannas, M. P., et al. Intraoperative margin assessment with near real time pathology during partial gland ablation of prostate cancer: A feasibility study. Urol Oncol. 43 (1), 64.e19-64.e25 (2024).
  11. Mannas, P. M., et al. MP61-18 stimulated Raman histology, a novel method for intraoperative surgical margin assessments during robotic assisted laparoscopic prostatectomy. J Urol. 209 (Supplement 4), (2023).
  12. Hollon, T., et al. Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging. Nat Med. 29 (4), 828-832 (2023).
  13. Lee, M., et al. Recent advances in the use of stimulated Raman scattering in histopathology. Analyst. 146 (3), 789-802 (2021).
  14. Sarri, B., et al. In vivo organoid growth monitoring by stimulated Raman histology. Npj Imaging. 2 (1), 18(2024).
  15. Ao, J., et al. Stimulated Raman scattering microscopy enables Gleason scoring of prostate core needle biopsy by a convolutional neural network. Cancer Res. 83 (4), 641-651 (2023).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

SRS

相关文章