Name: 使用身体顺应动物模具的临床前正电子发射断层扫描用于小鼠基于云的自动图像分析 (视频) | JoVE Journal
Uploaded: 2024-10-25T14:50:00.000+00:00
Duration: 7 min 45 s
Description: 了解如何使用身体顺应动物模具（BCAMs）在小鼠中进行临床前正电子发射断层扫描成像，并结合基于云的自动化图像分析平台处理数据。该方法可标准化动物体位，提高成像数据的可重复性和分析效率。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

特别感谢辉瑞拉霍亚比较医学研究与技术团队。

所有动物实验操作均遵循相关法规和既定指南，并经辉瑞公司机构动物护理与使用委员会审查批准，或通过伦理审查流程。正电子发射断层扫描（PET）成像研究严格遵循各机构的辐射安全规程进行。本研究采用10至12周龄、体重在18至26克之间的雌性C57BL/6小鼠。所用试剂与设备的详细信息列于下文 材料表.
1. 实验动物的准备与分组
注意：此步骤涉及使用 BCAM 模板引导的肿瘤移植对动物进行 PET 成像前的准备。
<ol>
	<li>在细胞植入前，剃除小鼠肿瘤生长目标区域的毛发。</li>
	<li>设置麻醉工作站，并将适当尺寸的BCAM模具通过预夹固定，使其顶部向上翻转90度，作为肿瘤植入基座（图1A）。</li>
	<li>在合适的诱导箱中，使用2.0%异氟烷和98%氧气（流速为0.5–1.5 L/min）对动物进行麻醉。 
	注意：所有麻醉系统的参数可能存在差异。
	<ol>
		<li>使用经过校准的系统，并在使用前进行测试。将已麻醉的小鼠放置在基座上，并伸展其四肢（图1B）。</li>
	</ol>
	</li>
	<li>轻柔地将BCAM肿瘤注射模板模具（图1C）放置于小鼠背部（图1D）。</li>
	<li>以模板上所需开孔位置（例如肩部或侧腹，左侧或右侧）为参考，用记号笔小心地创建一个临时的圆形参考标记（图1D），随后移除模板模具。</li>
	<li>抽取所需体积的细胞悬液至注射器中，准备注射。在注射器上安装27 G针头，并排空死体积空间。建议每次接种体积为0.1–0.2 mL。</li>
	<li>以第1.5步中的临时标记为参考，用手指或镊子提起皮肤形成帐篷状结构，缓慢插入针头，并在目标位置皮下注射细胞。注射后将针头丢弃至生物危害锐器容器中。</li>
	<li>监测肿瘤生长情况。本示例中入组时的平均肿瘤体积为200–300 mm3。 
	注意：避免使用耳标或微芯片等金属部件，以防产生CT成像伪影。</li>
</ol>
2.&#160;吸取放射性剂量
<ol>
	<li>遵循所有机构的辐射安全规程，小心地将约 70–80 µCi 的 [18F]FDG 目标剂量抽取至适合静脉注射的无菌注射器中。 
	注意：70–80 µCi 的剂量范围最适合 Sofie G8 PET 扫描仪的动态范围。其他成像设备可能具有不同的动态范围，需调整目标剂量。</li>
	<li>将注射器放入剂量校准仪的井室中并降下探针，仔细测量放射性剂量。测量前请注意选择正确的同位素或校准编号。</li>
	<li>获取稳定读数，记录日期和时间。如有需要，调整剂量。</li>
	<li>（可选）使用无菌生理盐水将最终剂量体积调整至 0.1–0.2 mL。 
	注意：所需注射体积可能有所不同。</li>
	<li>剂量已准备好&#160;进行给药。</li>
</ol>
3. 静脉给药
<ol>
	<li>根据机构的IACUC和辐射安全规程，通过扩张尾静脉为小鼠尾静脉注射做准备。在本研究中，将动物笼子或诱导室置于设定为42 °C的载物台加热器上以扩张尾静脉。 
	注意：尾静脉完全扩张可能需要长达10分钟的加热时间。</li>
	<li>注射前记录小鼠体重。这将决定用于PET/CT成像的体重特异性BCAM选择。</li>
	<li>准备就绪后，将小鼠转移至合适的固定装置中（例如，本研究使用了尾静脉注射平台），并定位尾静脉。</li>
	<li>小心操作放射性注射器，对清醒小鼠进行静脉注射&#160;，并记录注射时间。</li>
	<li>谨慎将注射器放置一旁，并用纱布擦去尾部多余的血滴。将小鼠从固定装置中取出，放回相应的饲养环境中。</li>
	<li>小心地将注射器放回剂量校准器腔室内，记录任何残留读数以进行准确的剂量计算。记录残留活度读数的日期和时间。</li>
	<li>完成所有注射后，应谨慎操作，按照机构的辐射安全规范，将小鼠群体置于铅屏蔽装置后方和/或远离工作人员区域。请注意，所有使用过的材料均可能存在轻微放射性污染。使用经过校准的盖革计数器监测所有区域，并根据辐射安全指南进行清洁。</li>
</ol>
4. 动物 PET 成像的麻醉与体位固定
<ol>
	<li>在合适的时间（例如，示踪剂摄取期结束前 10-15 分钟），打开所有麻醉设备及动物保温仪器，以用于麻醉诱导和 PET 成像。麻醉可设置为 98% 氧气中含 2.0%-2.5% 异氟烷（具体设置可能因小鼠品系和疾病模型而异）。</li>
	<li>确认所有适配器和阀门均已开启，气体流速为 0.5-1.0 L/min。具体流速可能因麻醉系统和成像系统不同而有所差异。</li>
	<li>将适当的小鼠放入诱导箱中，等待其达到合适的麻醉深度。</li>
	<li>为每只眼睛涂抹眼用润滑软膏。</li>
	<li>根据小鼠体重，将其转移至合适尺寸的 BCAM 中。</li>
	<li>轻轻抓住小鼠颈背部皮肤，将尾巴插入尾槽，并将其绕过 BCAM 下方。将尾巴置于尾部平台，并用胶带固定位置。检查脊柱是否保持平直。轻柔地闭合 BCAM（图 2A，B）。</li>
	<li>小心地将四肢分别放置于 BCAM 的每个足垫平台上。根据需要使用胶带将每只脚掌固定在对应平台上（图 2B）。</li>
	<li>将 BCAM 前端先插入成像床推车，轻压使其卡入到位（图 2C）。推车应已连接至 G8 装载舱，且麻醉气体正在流通（图 2D）。向下按压 BCAM 后部，听到“咔”声表示其已牢固固定于 G8 推车上。 
	注意：维持麻醉气体供应，确保动物在成像过程中保持所需的麻醉状态。</li>
</ol>
5. 图像采集
<ol>
	<li>打开 G8 PET 采集软件。可预先创建研究文件夹、扫描参数和受试者编号。
	<ol>
		<li>将研究详细信息输入软件：小鼠体重、初始剂量抽取的日期/时间及剂量、注射的日期/时间，以及残余放射活性读数的日期/时间及数值。</li>
	</ol>
	</li>
	<li>将装有小鼠的转运舱插入扫描仪开口。蓝色指示灯亮起表示已正确对接至系统。</li>
	<li>选择适当的 PET/CT 参数，开始采集成像数据。 
	注意：本研究中进行了为期 7 分钟的静态 18F PET 扫描，随后进行 70 秒的默认 CT 扫描，并采用最大似然期望最大化三维重建算法（G8 扫描仪中的默认且唯一选项）对数据进行重建12。</li>
	<li>采集完成后，转运舱将返回初始起始位置。取出装有小鼠的转运舱并插入停靠站，按压 BCAM 垂直标签的背面，将其从 G8 转运舱中取出，然后轻轻上提并取出带有小鼠的 BCAM。</li>
	<li>按压两个固定标签，翻起并打开 BCAM 的顶部。</li>
	<li>轻柔地取出小鼠。在将小鼠放回其饲养笼之前，确保其已完全从麻醉中恢复，并处于清醒、警觉和有反应（BAR）的状态。</li>
	<li>按照设定的时间间隔继续操作，以完成整个小鼠队列/组的扫描。</li>
</ol>
6. 将图像上传至&#160;SaaS
<ol>
	<li>登录 app.invivo.ax 并创建一个项目。</li>
	<li>单击窗口右上角的红色 upload 选项卡。选择成像研究中使用的成像系统和报告分子（例如，[18F]FDG）。选择包含成像数据的文件夹。</li>
	<li>进入项目文件夹中的注释选项卡。单击 Annotate 以添加相关扫描信息（受试者姓名、性别、BCAM 尺寸、受试者体重、队列名称、时间点和注射剂量值）。大多数元数据将自动填充。</li>
</ol>
7. 自动化数据分析
<ol>
	<li>在项目文件夹中，所有扫描数据应已加载。点击扫描，以从项目、分组及单个受试者层级进行导航。在右上角选择分析。</li>
	<li>在分析功能区窗口的右上角，在项目下点击加号，并选择器官概率图ROI。器官概率图（OPM）是一个涵盖多种预定义器官和组织的统计学小鼠器官图谱。根据研究需求选择感兴趣的特定器官。 
	注意：本示例中，手动分割与分析使用VivoQuant软件，通过样条工具完成，随后在3D ROI操作器内进行插值。自动分析结果与手动分割结果进行了对比，作为基准参考。</li>
</ol>

PET Imaging and Biodistribution Analysis in Mice Using BCAMs and SaaS Tools

<ol><li>Huang, R., Wang, M., Zhu, Y., S Conti, P., Chen, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+pet+probes+for+cancer+imaging%5BTitle%5D)+AND+%22Curr+Top+Med+Chem%22%5BJournal%5D)">Development of pet probes for cancer imaging.</a> Curr Top Med Chem. 15 (8), 795-819 (2015).</li>
<li>Schwenck, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+pet+imaging+of+cancer%5BTitle%5D)+AND+%22Nat+Rev+Cancer%22%5BJournal%5D)">Advances in pet imaging of cancer.</a> Nat Rev Cancer. 23 (7), 474-490 (2023).</li>
<li>Matthews, P. M., Rabiner, E. A., Passchier, J., Gunn, R. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Positron+emission+tomography+molecular+imaging+for+drug+development%5BTitle%5D)+AND+%22Br+J+Clin+Pharmacol%22%5BJournal%5D)">Positron emission tomography molecular imaging for drug development.</a> Br J Clin Pharmacol. 73 (2), 175-186 (2012).</li>
<li>Tavaré, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+effective+immuno-pet+imaging+method+to+monitor+CD8-dependent+responses+to+immunotherapy%5BTitle%5D)+AND+%22Cancer+Res%22%5BJournal%5D)">An effective immuno-pet imaging method to monitor CD8-dependent responses to immunotherapy.</a> Cancer Res. 76 (1), 73-82 (2016).</li>
<li>Maresca, K. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preclinical+evaluation+of+89ZR-DF-IAB22M2C+PET+as+an+imaging+biomarker+for+the+development+of+the+gucy2c-cd3+bispecific+pf-07062119+as+a+t-cell+engaging+therapy%5BTitle%5D)+AND+%22Mol+Imaging+Biol%22%5BJournal%5D)">Preclinical evaluation of 89ZR-DF-IAB22M2C PET as an imaging biomarker for the development of the gucy2c-cd3 bispecific pf-07062119 as a t-cell engaging therapy.</a> Mol Imaging Biol. 23 (6), 941-951 (2021).</li>
<li>Nisnboym, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Immuno-pet+imaging+of+cd69+visualizes+t-cell+activation+and+predicts+survival+following+immunotherapy+in+murine+glioblastoma%5BTitle%5D)+AND+%22Cancer+Res+Commun%22%5BJournal%5D)">Immuno-pet imaging of cd69 visualizes t-cell activation and predicts survival following immunotherapy in murine glioblastoma.</a> Cancer Res Commun. 3 (7), 1173-1188 (2023).</li>
<li>Lee, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficacy+and+imaging-enabled+pharmacodynamic+profiling+of+Kras+g12c+inhibitors+in+xenograft+and+genetically+engineered+mouse+models+of+cancer%5BTitle%5D)+AND+%22Mol+Cancer+Ther%22%5BJournal%5D)">Efficacy and imaging-enabled pharmacodynamic profiling of Kras g12c inhibitors in xenograft and genetically engineered mouse models of cancer.</a> Mol Cancer Ther. 22 (7), 891-900 (2023).</li>
<li>Bollineni, V., Kramer, G., Jansma, E. P., Liu, Y., Oyen, W. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+systematic+review+on+%5B18f%5D+flt-pet+uptake+as+a+measure+of+treatment+response+in+cancer+patients%5BTitle%5D)+AND+%22Eur+J+Cancer%22%5BJournal%5D)">A systematic review on [18f] flt-pet uptake as a measure of treatment response in cancer patients.</a> Eur J Cancer. 55, 81-97 (2016).</li>
<li>Everitt, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Imaging+cellular+proliferation+during+chemo-radiotherapy%3A+A+pilot+study+of+serial+18f-flt+positron+emission+tomography%2Fcomputed+tomography+imaging+for+non-non-small-cell+lung+cancer%5BTitle%5D)+AND+%22Int+J+Radiat+Oncol+Biol+Phys%22%5BJournal%5D)">Imaging cellular proliferation during chemo-radiotherapy: A pilot study of serial 18f-flt positron emission tomography/computed tomography imaging for non-non-small-cell lung cancer.</a> Int J Radiat Oncol Biol Phys. 75 (4), 1098-1104 (2009).</li>
<li>Rashidian, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+the+response+to+CTLA-4+blockade+by+longitudinal+non-invasive+monitoring+of+cd8+t+cells%5BTitle%5D)+AND+%22J+Exp+Med%22%5BJournal%5D)">Predicting the response to CTLA-4 blockade by longitudinal non-invasive monitoring of cd8 t cells.</a> J Exp Med. 214 (8), 2243-2255 (2017).</li>
<li>Klose, A. D., Paragas, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+quantification+of+bioluminescence+images%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Automated quantification of bioluminescence images.</a> Nat Commun. 9 (1), 4262(2018).</li>
<li>Gu, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Performance+Evaluation+of+G8%2C+a+high-sensitivity+benchtop+preclinical+PET%2FCT+Tomograph%5BTitle%5D)+AND+%22J+Nucl+Med%22%5BJournal%5D)">Performance Evaluation of G8, a high-sensitivity benchtop preclinical PET/CT Tomograph.</a> J Nucl Med. 60 (1), 142-149 (2019).</li>
<li>Bongratz, F., Rickmann, A. -M., Wachinger, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Abdominal+organ+segmentation+via+deep+diffeomorphic+mesh+deformations%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Abdominal organ segmentation via deep diffeomorphic mesh deformations.</a> Sci Rep. 13 (1), 18270(2023).</li>
<li>Wang, H., Stout, D. B., Chatziioannou, A. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mouse+atlas+registration+with+non-tomographic+imaging+modalities-a+pilot+study+based+on+simulation%5BTitle%5D)+AND+%22Mol+Imaging+Biol%22%5BJournal%5D)">Mouse atlas registration with non-tomographic imaging modalities-a pilot study based on simulation.</a> Mol Imaging Biol. 14, 408-419 (2012).</li>
<li>Montgomery, M. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mouse+lung+automated+segmentation+tool+for+quantifying+lung+tumors+after+micro-computed+tomography%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Mouse lung automated segmentation tool for quantifying lung tumors after micro-computed tomography.</a> PLoS One. 16 (6), e0252950(2021).</li>
<li>Montgomery, M. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applying+deep+learning+to+segmentation+of+murine+lung+tumors+in+preclinical+micro-computed+tomography%5BTitle%5D)+AND+%22Transl.+Oncol%22%5BJournal%5D)">Applying deep learning to segmentation of murine lung tumors in preclinical micro-computed tomography.</a> Transl. Oncol. 40, 101833(2024).</li>
<li>Van Sluis, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Manual+versus+artificial+intelligence-based+segmentation+as+a+pre-processing+step+in+whole-body+pet+dosimetry+calculations%5BTitle%5D)+AND+%22Mol+Imaging+Biol%22%5BJournal%5D)">Manual versus artificial intelligence-based segmentation as a pre-processing step in whole-body pet dosimetry calculations.</a> Mol Imaging Biol. 25 (2), 435-441 (2023).</li>
<li>Nazari, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+and+robust+organ+segmentation+for+3D-based+internal+dose+calculation%5BTitle%5D)+AND+%22EJNMMI+Res%22%5BJournal%5D)">Automated and robust organ segmentation for 3D-based internal dose calculation.</a> EJNMMI Res. 11, 1-13 (2021).</li>
<li>Goel, S., England, C. G., Chen, F., Cai, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Positron+emission+tomography+and+nanotechnology%3A+A+dynamic+duo+for+cancer+theranostics%5BTitle%5D)+AND+%22Adv+Drug+Deliv+Rev%22%5BJournal%5D)">Positron emission tomography and nanotechnology: A dynamic duo for cancer theranostics.</a> Adv Drug Deliv Rev. 113, 157-176 (2017).</li>
<li>Campbell, D. O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preclinical+evaluation+of+an+anti-nectin-4+immunopet+reagent+in+tumor-bearing+mice+and+biodistribution+studies+in+cynomolgus+monkeys%5BTitle%5D)+AND+%22Mol+Imaging+Biol%22%5BJournal%5D)">Preclinical evaluation of an anti-nectin-4 immunopet reagent in tumor-bearing mice and biodistribution studies in cynomolgus monkeys.</a> Mol Imaging Biol. 18, 768-775 (2016).</li>
<li>Bednarz, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Murine-specific+internal+dosimetry+for+preclinical+investigations+of+imaging+and+therapeutic+agents%5BTitle%5D)+AND+%22Health+Phys%22%5BJournal%5D)">Murine-specific internal dosimetry for preclinical investigations of imaging and therapeutic agents.</a> Health Phys. 114 (4), 450-459 (2018).</li>
</ol>

所有作者均为辉瑞公司现任或前任员工。

本报告描述了进行小鼠实验的步骤 体内 使用BCAM模具进行PET成像并利用自动化SaaS工具分析数据。提供了关于小鼠准备、成像采集和数据处理的逐步操作说明。该自动化工作流程所得结果与手动分析结果一致。以下重点列出几项关键技术注意事项。
尽管肿瘤并非OPM所定义的器官之一，但在本方案中一个关键步骤是正确植入皮下肿瘤，以最终确保小鼠体内所有器官在体腔及BCAM中的最佳对齐。只有当小鼠脊柱相对笔直且内部器官处于中性位置时，OPM才能生成准确的数据。过大或位置不当的肿瘤可能影响小鼠的姿势，并压迫体腔，从而导致内脏器官移位。这种位移会进一步影响OPM算法所得定量分析结果的准确性。已有研究报道，脊柱不直会对多种成像模态和分割算法下的内脏器官对齐产生影响13,14。因此，必须使用模板指导肿瘤植入，并密切监测肿瘤生长，以确保肿瘤位置正确且大小处于理想范围。
另一个可能产生偏差的方面是选择合适尺寸的BCAM。BCAM以2 g为增量单位制造，范围为18–26 g。然而，由于具有不同身体成分（例如，肌肉较多 versus 脂肪较多）的小鼠可能体重相同但实际体型不同，因此在以体重作为一般参考的同时，选择最合适的BCAM至关重要。需通过反复试验上下调整，并始终牢记正确对齐极为关键。若选择的BCAM过大，会导致小鼠的内脏“下沉”至床底更近的位置，这将特别影响对肾脏和脊柱等背部器官分析的准确性。相反，若将小鼠放入过小的BCAM中，可能会压迫其体腔，导致器官位置偏移，并可能引起呼吸困难。使用胶带固定四肢于足垫平台上将有助于装置的设置与定位。
尽管本报告所述的工作流程实现了PET图像分析的标准化和自动化，但需要指出的是，当前的OPM是基于免疫健全的C57BL/6小鼠品系和健康小鼠构建的。其他品系或不同健康状况的小鼠可能具有不同的解剖特征，需要对该算法进行额外的调整、优化和验证。例如，免疫缺陷型品系（如NSG或NCG）的脾脏较小。同样，携带原位肿瘤移植的小鼠，其内脏器官的大小、形状和位置也可能因其疾病状态而异。该工作流程的另一个局限性在于实验采集阶段的整体通量。这主要是由于在BCAM中正确安置小鼠所需额外时间所致。通过培训和实践，操作人员可提高正确放置小鼠的效率。增加第二个对接站也可提高整体通量，其中一个对接站用于BCAM设置，另一个用于将小鼠转移至恢复笼中。尽管如此，即使在扫描前BCAM设置需要额外时间，这种时间投入也会在数据分析端节省大量时间而得到回报。例如，在本研究中，OPM分析十幅图像（含4个ROI）耗时不到10分钟，而经验丰富的分析人员手动分割和分析相同图像及ROI则需要3至4小时。经验不足的分析人员手动分析所需时间更长。SaaS平台支持对PET扫描进行大批量分析，数据上传后几分钟内即可完成完整的in vivo生物分布分析。当处理来自多个组别和/或多个时间点的大量数据时，这一功能极为有用，如下文所述。
对单个受试者进行器官的手动分割可能耗时较长，通常还需要操作人员接受大量的前期培训。即使经过充分培训，手动分析仍不可避免地存在操作者间的差异性，这可能扭曲定量结果15,16。相比之下，自动化的分割与数据分析能够准确且高效地确定放射性示踪剂的整体生物分布，并消除源于人为操作的变异性。这类自动化优势已在临床影像分析和临床前研究中均得到体现。例如，Sluis 等人证明，针对一次扫描，人工分割感兴趣器官需要 4 小时，而基于人工智能的云端方法仅需 30 分钟17。Nazari 等人的另一项研究也报告称，与两名人类医学物理师相比，基于算法对肝脏和肾脏进行分析的结果偏差在 7.0% 以内，具有较高的准确性18。图 4 中的数据也清楚地展示了基于软件即服务（SaaS）的 PET 成像分析工作流程的可靠性，且与手动分析相比，自动化分析能够获得一致的结果。
综上所述，本文阐述了使用BCAM模具促进标准化临床前PET/CT图像采集以及基于软件即服务（SaaS）的自动化PET数据分析的工作流程。结果表明，该平台技术相对易于实施，自动化生成的数据质量与手动分析结果一致，但具有显著的时间节省优势。因此，该工作流程可为研究人员节省数百小时的数据分析时间，并有助于标准化操作流程、降低不同操作者之间的变异性。该方法可支持多种药物化合物在不同治疗模式和适应症下的开发。特别是，大分子类药物（如治疗性抗体、双特异性抗体免疫细胞接合剂、抗体-药物偶联物，甚至纳米颗粒）可方便地标记放射性金属（例如Zr-89、Cu-64），从而实现PET成像介导的生物分布评估19,20。同样，该平台技术还可用于确定新型放射性治疗药物在小鼠中的剂量学参数21。该方法的应用将为药物研发带来显著的附加值。

体内分子成像技术是药物开发中的重要工具，有助于评估药理学的三大支柱——生物分布、靶点结合以及药效动力学的调节1,2,3。正电子发射断层扫描（PET）因其具有临床可转化性和高灵敏度，已成为临床及临床前研发领域中最常用的分子成像技术之一。临床前PET成像与放射诊疗学的蓬勃发展，对肿瘤固有治疗药物、靶向治疗药物以及新型免疫肿瘤学（IO）疗法的开发均具有重要价值。不断涌现并发展的新型免疫PET放射性示踪剂，有望影响特定个体化的IO药物治疗方案，并有助于区分治疗应答者与非应答者4,5,6。与此同时，代谢特异性放射性示踪剂（如[18F]FDG和[18F]FLT）可用于监测肿瘤对治疗的反应，分别揭示肿瘤是否处于活跃增殖或葡萄糖摄取状态7，或通过抑制机制判断肿瘤细胞是否发生细胞周期阻滞8,9。
与传统的非成像药理学实验相比，非侵入性体内成像具有多种优势。例如，成像技术可对整个受试对象中药物的分布和/或药理效应进行系统性、整体性的评估，不仅能够监测药物在靶部位的疗效，还能检测到意外的非靶部位活性。由于其非侵入性的特点，同一组动物可在不同时间点和/或使用不同生物标志物进行纵向评估，以回答不同的生物学问题10。这不仅显著减少了研究所需的动物数量，还提供了跨时间点的正交对照，从而有助于提高数据相关性并降低个体间差异。尽管成像生物标志物已取得令人瞩目的进展，但利用基于正电子发射断层扫描（PET）成像的生物分布研究在体内评估研究性化合物时，仍面临缺乏高效自动化分析流程的挑战。PET生物分布研究可提供有关化合物动力学、组织蓄积、结合特性及代谢过程的宝贵信息。获得高度可重复的定量数据对于药物疗法的开发至关重要。
为解决自动化PET图像分析中这些尚未满足的需求，InVivo Analytics公司设计了一组小鼠体形适配动物模具（BCAMs）11这些是3D打印的塑料模具，可将小鼠的头部、躯干（及内脏器官）、尾巴和四肢固定在预先设定的 rigid 位置。可根据动物的体重选择不同尺寸的模具，并可在特定区域（如肩部或下侧腹部）设置开孔，以允许皮下肿瘤突出。使用这些 BCAMs 获取的 PET/CT 图像高度一致，可通过该公司基于云的自动化分割平台进行批量分析11. 本文介绍了一种自动化的 体内 由BCAMs物理采集图像，并通过SaaS进行图像分割与分析的生物分布分析工作流程

<table><tbody><tr><td>[18F]FDG</td><td>PETNet Solutions, Culver City, CA</td><td>NA</td><td>用于PET成像的放射性示踪剂</td></tr><tr><td>27 G 针头&amp;nbsp;</td><td>Becton, Dickinson and Company, San Diego, CA</td><td>305136</td><td>用于细胞注射&amp;nbsp;</td></tr><tr><td>app.invivo.ax/login</td><td>Invivo Analytics, Seattle, WA</td><td>NA</td><td>软件即服务网页</td></tr><tr><td>贴合动物体型的模具</td><td>Invivo Analytics, Seattle, WA</td><td>NA</td><td>适用于体重范围为18–26 g的BCAM</td></tr><tr><td>放射性剂量校准仪；CRC-55tw</td><td>Capintec, Florham Park, NJ</td><td>CRC-55tw</td><td>用于测量放射性剂量</td></tr><tr><td>G8 PET/CT 扫描仪</td><td>Sofie Biosciences/Xodus Imaging, Torrence, CA</td><td>NA</td><td>带装载平台的台式扫描仪</td></tr><tr><td>G8-对接站</td><td>Sofie Biosciences/Xodus Imaging, Torrence, CA</td><td>NA</td><td>用于动物定位的对接站</td></tr><tr><td>植入模具模板</td><td>Invivo Analytics, Seattle, WA</td><td>NA</td><td>用于优化肿瘤植入的模板</td></tr><tr><td>润滑性眼膏</td><td>BAUSCH &amp; LOMB, Ontario, Canada</td><td>Soothe Nighttime</td><td>小鼠用眼部润滑剂</td></tr><tr><td>改良型G8转运舱</td><td>Invivo Analytics, Seattle, WA</td><td>NA</td><td>适配BCAM的转运舱</td></tr><tr><td>小鼠麻醉诱导箱</td><td>Patterson Scientific, Waukesha, WI</td><td>78933388</td><td>用于小鼠麻醉诱导</td></tr><tr><td>PRE-Clip</td><td>Invivo Analytics, Seattle, WA</td><td>NA</td><td>连接麻醉系统的BCAM适配器</td></tr><tr><td>Premiere 载片加热器</td><td>LabScientific, Danvers, MA</td><td>XH-2001</td><td>可调温加热装置，用于尾静脉扩张和麻醉诱导</td></tr><tr><td>注射器（1 mL）</td><td>Becton, Dickinson and Company, San Diego, CA</td><td>309659</td><td>用于细胞注射&amp;nbsp;</td></tr><tr><td>尾静脉注射平台&amp;nbsp;</td><td>Braintree Scientific, Pembroke, MA</td><td>IL-300</td><td>用于实施静脉注射的固定装置。&amp;nbsp;</td></tr><tr><td>Vivoquant 软件&amp;nbsp;</td><td>Invicro, Needham, MA</td><td>NA</td><td>用于手动分割图像的软件</td></tr></tbody></table>

用于小鼠基于云的自动化图像分析的动物体模适配型临床前正电子发射断层扫描

Preclinical Positron Emission Tomography with Body Conforming Animal Molds for Cloud-Based Automated Image Analysis in Mice

正电子发射断层扫描（Positron Emission Tomography, PET）是一种分子影像技术，可用于研究多种药理学问题，例如生物标志物的调节、受体占有率以及目标化合物在体内的生物分布。在生物分布研究中，实验动物通常在接受测试物质后进行纵向影像扫描。随后对图像进行分析，以获得该化合物在不同时间点于各器官中的分布特征。这是药物研发过程中的关键步骤，有助于理解研究性化合物的分布情况及其潜在的结合特性。然而，基于PET成像的传统手动生物分布分析方法费时费力，且常伴随较高的操作者间变异。此外，在不同时间点之间保持动物体位的一致性也具有挑战性。为解决这些问题，本研究采用了一系列小鼠体部贴合式动物模具（Body Conforming Animal Molds, BCAMs），以确保在PET/CT成像过程中动物体位的稳定性和一致性。同时，利用一个基于云服务的软件即服务（Software-as-a-Service, SaaS）平台，该平台包含基于云端的器官概率图谱（Organ Probability Map, OPM）以及由人工智能驱动的分割工具，实现对活体PET影像数据的可靠且自动化的定量分析。本文所展示的工作流程包括：（1）使用BCAMs准备用于成像的小鼠，包括皮下肿瘤的规范接种，以确保与模具兼容；（2）使用G8扫描仪结合BCAMs获取PET/CT图像；（3）利用基于云的SaaS平台进行自动化的器官分割与生物分布分析。本研究以[18F]FDG作为示例示踪剂，但其他生物标志物和/或放射性标记化合物亦可便捷地适配至该工作流程中。该流程可在极少培训的情况下准确高效地执行，且自动化PET数据分析结果与手动方法一致，效果满意。

上传后，PET 数据可以在 SaaS 网站上以冠状面、矢状面和横断面图像面板的形式查看，图像上叠加了由 OPM 确定的选定器官 ROI（图 3A）。该软件不仅可以加载单个图像，还可以同时将一组或多只小鼠或整个研究的所有数据以单个合并图像的形式显示。在此分析窗口中，用户可自定义 ROI 颜色、比例尺强度及其他常用参数。当选择理想的分析参数后，SaaS 系统将生成所选器官的可下载生物分布柱状图（图 3B）。
为了评估基于 OPM 的 SaaS 平台的性能，将自动化分析的结果与经验丰富的影像分析人员提供的结果（作为金标准）进行了比较。对脑、心脏、右肾和脾脏中的[18F]FDG 摄取值进行了线性回归拟合。值得注意的是，该平台为用户提供了可选器官的全面列表，包括骨骼、脑、膀胱、心脏、双侧肾脏、肝脏、脾脏、肺以及双侧股四头肌。本研究中仅选择上述四个器官用于示例说明。此外，由于植入肿瘤的大小、形状及深度/位置存在可变性，OPM 中未将肿瘤列为器官，因此未纳入本项对比分析。如图4所示，自动化分析与手动分析总体上结果一致，其中脑的相关性最高（r2 = 0.8466）。这符合预期，因为脑器官体积较大，且在颅骨内的位置高度恒定。右肾和心脏的 r2 值也较为合理，分别为 0.6874 和 0.4849。相比之下，脾脏的相关性分析得到的 r2 值为 0.3922，是所测试器官中最低的。这并不意外，因为脾脏嵌于胰腺和脂肪组织中，这些组织缺乏明确的形态结构，并在CT上呈现相似的软组织密度。因此，脾脏难以进行手动分割，而OPM可能提供一种更精确的器官界定方法（即优于金标准）。相关性分析的斜率和Y轴截距也如图4所示。与r2值一致，脑的斜率最接近1（即OPM结果与手动结果完全相关），且Y轴截距最小（即系统性偏差最小），而其他器官则表现出更大且不一致的偏离理想相关性的程度。
<img alt="小鼠跑台实验；用于行为学研究的可调节固定装置。" class="xfigimg" src="/files/ftp_upload/67370/67370fig01.jpg" data-altupdatedat="1788304762000" data-alt="图1"> 
图1：BCAM及模板引导的肿瘤移植。（A）预夹（1）连接至BCAM模具底部组件（2），并连接麻醉管线（3），作为肿瘤移植的基础装置。（B）将目标移植部位已剃毛的小鼠（本例为右肩）在麻醉状态下置于该基础装置上，准备进行细胞注射。（C）肿瘤移植模板（4），具有预设的开孔，用于引导肿瘤细胞接种的位置。（D）在细胞注射前，将模板模具置于小鼠背部，标记临时参考点。<a href="https://www.jove.com/files/ftp_upload/67370/67370fig01large.jpg" target="_blank">请点击此处查看此图的放大版本。</a>
<img alt="用于成像分析的动物固定装置；包括固定设备和定位方法。" class="xfigimg" src="/files/ftp_upload/67370/67370fig02.jpg" data-altupdatedat="1788304762000" data-alt="图 2"> 
图 2：在 BCAM 中对小鼠进行定位。（A）俯视图——将小鼠紧密地放入尺寸合适的 BCAM（5）中。（B）侧视图——使用胶带将后肢固定在平台（6）上。尾巴用胶带固定在小鼠正下方的尾部平台（7）上。（C）将装有小鼠的 BCAM 插入成像转运舱（8）中。（D）将小鼠、BCAM 和转运舱连接至运行麻醉的对接站（9）。<a href="https://www.jove.com/files/ftp_upload/67370/67370fig02large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
<img alt="带器官活性数据条形图的PET/CT图像分析；显示脑、心、肺指标的图表。" class="xfigimg" src="/files/ftp_upload/67370/67370fig03.jpg" data-altupdatedat="1788304762000" data-alt="图3"> 
图3：SaaS工具显示与分析的代表性图像及数据输出结果。（A）在SaaS网站上查看的代表性图像。PET/CT图像的冠状面、矢状面和横断面视图，叠加了从器官概率图（OPM）中选择的器官感兴趣区域（ROIs）。粉色：脑；红色：心；深蓝色：肺；鲑鱼色：肝；橙色：右肾。肿瘤未被OPM定义。（B）由自动分析生成的代表性可下载图表。左上角面板中可见所选器官列表。此处数据以%ID/mL表示。<a href="https://www.jove.com/files/ftp_upload/67370/67370fig03large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
<img alt="器官摄取率相关性图；线性回归；器官：脑、心、肾、脾。" class="xfigimg" src="/files/ftp_upload/67370/67370fig04.jpg" data-altupdatedat="1788304762000" data-alt="Figure 4"> 
图4：比较通过手动分析和基于OPM自动化流程获得的小鼠各器官[18F]FDG摄取值的线性回归分析。 数据来源于10只雌性C57BL/6小鼠的PET/CT扫描。图中显示了各指定器官的r2值、95%置信区间线、斜率和Y轴截距。 <a href="https://www.jove.com/files/ftp_upload/67370/67370fig04large.jpg" target="_blank">请点击此处查看该图的高清版本。</a>

本方案描述了进行以下操作的步骤 体内 使用G8 PET/CT扫描仪结合动物体形适配模具（BCAMs）对小鼠进行PET成像。本文提供了小鼠制备的技术细节，包括肿瘤的正确植入、最佳体位摆放、基于BCAM的PET/CT图像采集以及数据分析方法。

正电子发射断层扫描（Positron Emission Tomography, PET）是一种分子影像技术，可用于研究多种药理学问题，例如……

我们明确展示了如何使用这些贴合动物体型的模具进行小鼠活体PET成像，以及如何操作相关的数据分析平台。这种方法能够确保所有动物在不同时间点保持相同的物理位置，从而通过自动化手段显著加快并标准化后续的图像分析流程。与传统的非成像实验相比，活体成像具有多项优势。例如，成像技术能够对整个受试对象中药物的分布及药理效应进行系统性、整体性的评估，这不仅有助于监测药物在靶部位的疗效，还能发现意外的非靶部位活性。获得高度可重复且定量的数据对于药物研发至关重要。例如，基于正电子发射断层扫描（PET）的肠道分布研究可产生大量有关化合物动力学、组织蓄积及靶点结合的宝贵信息。然而，目前尚缺乏高效自动化的数据分析流程。我们在此证明，使用这些 BCAMs 获取的 PET-CT 图像具有高度均匀性，可通过基于云的自动化分割工具进行批量分析，从而节省大量时间。此外，我们还证明了自动化分析结果令人满意，且与我们手动分析方法的结果一致。下一步，我们将对该自动化工具的性能进行更全面的评估。我们将详细比较SAS生成的ROI结果与不同经验水平的人类分析人员生成的结果，并将体内成像结果与真实的体外定量结果进行对比。首先，将适当大小的动物贴合模具（BCAM）连接到预夹上，模具顶部向上翻转90度。将麻醉后的小鼠置于基座上并伸展其四肢。然后将BCAM肿瘤注射模板模具轻柔地放置在小鼠的背侧。使用记号笔在预期的开孔位置小心地绘制一个临时的圆形参考标记。标记完成后，移除模板模具。以临时标记为参考，用手指或镊子提起皮肤形成帐篷状。缓慢插入针头，并在目标位置皮下注射肿瘤细胞悬液。将针头丢弃至生物危害锐器容器中。小心地用无菌注射器抽取目标剂量的氟-18 FDG。将注射器放入剂量校准仪的井室中，并降下探针以测量放射性剂量。从活度计中获取稳定的读数。记录日期和时间。注射前记录小鼠体重。将小鼠转移至合适的固定器中，找到尾静脉。随后将剂量注射到清醒的小鼠体内，并记录注射时间。将注射器放置一旁，用纱布擦去尾部多余的血液。然后将小鼠从固定器中取出，并放回相应的饲养盒中。接着将注射器重新放入剂量校准仪的测量室，记录残留的读数以用于剂量计算。记录残留活度读数的日期和时间。静脉注射氟-18标记的脱氧葡萄糖（FDG）60分钟后，根据小鼠体重将其轻轻转移至适当尺寸的BCAM装置中。用手轻提小鼠颈背部皮肤，将尾巴插入尾部插槽，并将其缠绕于BCAM下方。然后将尾巴放在尾部平台上，并用胶带固定。确保脊柱保持平直，轻轻合上BCAM。将四肢均放置在BCAM的足垫平台上，并根据需要使用胶带固定。然后先将BCAM的前端插入成像床推车，轻轻按压使其卡入。继续按压BCAM后部，直至听到咔哒声，表明其已固定在G8推车上。接着打开G8 PET采集软件以开始操作。将研究详细信息输入软件，包括小鼠体重、日期、时间、初始剂量、注射详情以及残留放射活性读数。接下来，将携带小鼠的成像床推车插入扫描仪开口中。选择适当的PET-CT参数，并采集成像数据。采集完成后，取下带有小鼠的转运舱并将其插入对接端口。按下 BCAM 垂直标签，使其从 G8 转运舱上释放。轻轻向上提起，取出带有小鼠的 BCAM。按住两个固定卡扣，向上翻转并打开 BCAM 的顶部。然后轻轻取出小鼠。进行图像分析时，请登录 app.invivo。ax，并创建一个项目。接下来，点击窗口右上角的红色“上传”选项卡。选择研究中使用的成像系统和报告基因。然后选择包含成像数据的文件夹。在项目文件夹中导航至“注释”（Annotation）选项卡。点击“注释”（Annotate）以添加相关的扫描信息，包括受试者姓名、性别、BCAM尺寸、受试者体重、队列名称、时间点以及注射剂量值。进行数据分析时，点击扫描图像以浏览项目、组别和个体受试者层级，然后选择“分析”。在分析功能区窗口右上角的“项目”下方，点击加号并选择“器官概率图”（Organ Probability MAP）或“感兴趣区域”（OPM ROI）。线性回归分析显示，大脑在自动化OPM分析与手动方法之间的相关性最高，反映出较高的准确性。右肾和心脏在OPM分析与手动分析中的相关性为中等水平。脾脏的相关性最低，这可能是由于手动分割存在困难，难以将其与邻近的软组织区分开来所致。

preclinical-positron-emission-tomography-with-body-conforming-animal

Research

科研

JoVE Journal

Cancer Research

癌症研究

使用身体顺应动物模具的临床前正电子发射断层扫描用于小鼠基于云的自动图像分析

在利用小鼠肥胖模型的研究中，脂肪含量分析是常规操作。小型动物CT成像与分析的新兴方法为纵向、详尽的脂肪含量分析提供了可能。本文将逐步详细介绍进行小型动物CT成像、分析及可视化的方法流程。...

使用X射线计算机断层扫描对小鼠肥胖模型中的脂肪体积进行分割与测量

本文描述了一种对小鼠棕色脂肪组织（BAT）进行功能成像的方法，该方法采用标准化的微型PET/CT方案，无创地评估寒冷刺激下BAT对18F-氟代脱氧葡萄糖（FDG）的摄取。该方法具有良好的稳健性和灵敏度，可检测小鼠模型中BAT活性的差异。...

小鼠棕色脂肪功能成像的18F-FDG 微型PET/CT研究

我们介绍一种结合荧光介导断层成像（FMT）与微型计算机断层扫描（µCT）的融合成像方案。在完成图像融合与重建后，进行交互式器官分割，以提取荧光分布的定量测量数据。...

混合 µCT-FMT 成像与图像分析

我们描述了一种利用微型计算机断层扫描（micro-computed...

利用微型计算机断层扫描评估肺癌小鼠模型中肿瘤的发展及治疗反应的随访

在完成制备后 64铜修饰的单克隆抗体结合转基因小鼠T细胞受体，T细胞被放射性标记...

小鼠淋巴细胞标记 64铜-抗体受体靶向 在体实验 细胞迁移的PET/CT成像

本文介绍了通过将H2052/484间皮瘤细胞植入免疫缺陷裸鼠的胸膜腔，建立人恶性胸膜间皮瘤原位小鼠模型的方法。采用无创的多模态[18F]-2-氟-2-脱氧-D-葡萄糖正电子发射断层扫描与计算机断层成像技术，对胸膜内肿瘤的发展进行纵向监测。...

在裸鼠中建立人源性胸膜间皮瘤原位模型及其通过PET/CT的植入与监测

本文中，我们描述了利用双模态放射性核素成像技术在活体小鼠中评估气道黏膜纤毛清除功能（MCC）的实验方案。该方案针对配备小鼠全身（MWB）准直器的双模SPECT/CT系统，设计用于单光子发射计算机断层扫描（SPECT）与计算机断层扫描（CT）的联合采集流程。...

小鼠体内黏膜纤毛清除功能的评估

利用微型PET/MR成像方法对小鼠产热性脂肪组织库进行功能成像与定量分析。...

使用[18F]FDG微正电子发射断层扫描/磁共振成像对小鼠棕色和米色脂肪组织进行可视化与定量分析

本文介绍了一种在大鼠胶质母细胞瘤模型中进行基于正电子发射断层扫描的临床前放射治疗的方案，该方案采用自主研发的算法以优化准确性和效率。...

基于正电子发射断层扫描的剂量雕刻放射治疗在胶质母细胞瘤大鼠模型中的应用——使用小型动物放射研究平台

本文介绍了一种利用高分辨率小动物正电子发射断层扫描/计算机断层扫描（PET/CT）对心脏功能和形态进行定量分析的实验成像方案。该方案同时涵盖了小鼠和大鼠，并讨论了两种物种在计算机断层扫描对比剂使用上的不同要求。...

用于小型动物的高分辨率心脏正电子发射断层扫描/计算机断层扫描

本文详细介绍了对一种人源特异性抗CD19单克隆抗体进行放射性标记的方法，以及如何利用该标记抗体在多发性硬化小鼠模型中定量中枢神经系统及外周组织中的B细胞 体内 PET成像， 离体...

使用正电子发射断层扫描在实验性自身免疫性脑脊髓炎小鼠模型中成像 CD19+ B 细胞

了解如何使用身体顺应动物模具（BCAMs）在小鼠中进行临床前正电子发射断层扫描成像，并结合基于云的自动化图像分析平台处理数据。该方法可标准化动物体位，提高成像数据的可重复性和分析效率。

用于小鼠基于云的自动化图像分析的动物体模适配型临床前正电子发射断层扫描

探索更多视频