真正無創！“透視眼”識別隱藏的腫瘤

　　腫瘤，即使是良性的，也會損害周圍的血管和組織。如果是惡性的，就是侵略性和鬼鬼祟祟，往往不可挽回的損害。在后一種情況下，早期發現是治療和康復的關鍵。但是，這種檢測有時需要先進的成像技術，而不是目前商業上可以買到的技術。

　　日本東國立癌癥中心醫院的Daiki Sato、Hiroaki Ikematsu和Takeshi Kuwata博士，日本里肯先進光子學中心的Hideo Yokota博士，以及日本東京科學大學的Toshihiro Takamatsu和Kohei Soga博士等人在Hiroshi Takemura博士領導下開發了一種利用近紅外高光譜成像（NIR-HSI）和機器學習的技術。他們的發現發表在《Scientific Reports》上。

　　一些腫瘤發生在器官和組織的深處，被粘膜層覆蓋。比如胃腸道間質瘤（GIST），需要非常耗時且延長診斷時間的嚴格技術。現在有了新技術，可以很容易地識別它們。

　　“這項技術有點像X射線，其思想是利用電磁輻射可以通過人體產生內部結構的圖像，”Takemura博士解釋說。“不同的是X射線的波長在0.01-10納米，而近紅外的波長在800-2500納米左右。在這種波長下，近紅外輻射使組織在圖像中看起來是透明的。這些波長對病人的傷害甚至比可見光都小。”

　　這應該意味著科學家可以安全地研究隱藏在組織內部的東西，但是直到Takemura博士和他的同事的研究，還沒有人嘗試在像GIST這樣的深部腫瘤上使用NIR-HSI。談到是什么促使他們走上這條研究路線，Takemura博士向已故教授表示敬意：“這個項目之所以成為可能，是因為已故的Kazuhiro Kaneko教授打破了醫生和工程師之間的障礙，建立了這種合作關系。我們在遵從他的意愿。”

　　Takemura博士的團隊對12名確診為GIST的患者進行了成像實驗，這些患者通過手術切除了腫瘤。科學家們用近紅外-高分辨率成像技術對切除的組織進行成像，然后讓病理學家檢查圖像以確定正常組織和腫瘤組織之間的邊界。然后這些圖像被用作機器學習算法的訓練數據，本質上是教計算機程序區分圖像中代表正常組織和代表腫瘤組織的像素。

　　科學家們發現，盡管12個測試腫瘤中有10個完全或部分被粘膜層覆蓋，但機器學習分析在識別GIST、正確地對腫瘤和非腫瘤切片進行顏色編碼方面是有效的，準確率為86%。Takemura博士解釋說：“這是一個非常令人興奮的進展，能夠準確、快速、無創地診斷不同類型的粘膜下腫瘤，而無需活檢術，對患者和醫生來說都要容易得多。”

　　Takemura博士承認未來仍有挑戰，但他認為他們已經準備好解決這些挑戰。研究人員確定了幾個可以改進他們結果的領域，例如使他們的訓練數據集更大，為機器學習算法添加腫瘤深度的信息，以及在分析中包括其他類型的腫瘤。在現有內窺鏡技術的基礎上開發NIR-HSI系統的工作也在進行中。

　　Takemura博士說：“我們已經制造了一種裝置，將NIR-HSI攝像頭連接到內窺鏡的末端，希望能很快直接對患者進行NIR-HSI分析，而不僅僅是對手術切除的組織進行分析，這將有助于我們將GIST與其他類型的粘膜下腫瘤區分開來，這些腫瘤可能更為惡性和危險。這項研究是在跨學科合作的推動下，朝著未來更具開創性的研究邁出的第一步。”

　　目前，一種早期準確無創檢測GIST的方法很快就能在臨床上廣泛應用了！