助力高效癌癥診斷——基于量子級(jí)聯(lián)激光的紅外顯微光譜技術(shù)

來源：Photonics.；編譯：海爾欣市場(chǎng)部

摘要

  德國(guó)波鴻魯爾大學(xué)(Ruhr- Universität Bochum，RUB)利用基于量子級(jí)聯(lián)激光（QCL）的紅外顯微鏡實(shí)現(xiàn)迅捷的癌癥診斷，在短時(shí)間內(nèi)獲取高質(zhì)量診斷圖像，克服了紅外光譜影像臨床診斷的主要障礙。該研究發(fā)表于Scientific Reports。

研究成果

  紅外光譜成像已被證明是一種可靠、自動(dòng)化、且獨(dú)立于操作員的組織分類方法，已用于對(duì)腫瘤區(qū)域的組織薄片進(jìn)行差異識(shí)別與分類。然而，傳統(tǒng)的傅立葉紅外光譜（FTIR）顯微技術(shù)需要以天為單位來分析樣品，其分析效率阻礙了紅外光譜成像在臨床中的大規(guī)模應(yīng)用。

  該研究小組開發(fā)了新的癌癥診斷方法，用QCL取代FTIR技術(shù)，開發(fā)了基于QCL的紅外光譜顯微鏡。研究人員通過使用QCL的相干光源產(chǎn)生的高信噪比和單色譜線，將紅外光譜成像分析所需的時(shí)間從數(shù)天縮短到了幾分鐘。例如,該技術(shù)獲取一個(gè)2mm*2mm視場(chǎng)角(FOV)內(nèi)，1800cm-1~948cm-1波段范圍內(nèi)以2cm-1分辨率的紅外高光譜立方 (Spectral hypercube),僅需47秒。與FTIR顯微鏡相比，基于QCL的紅外顯微鏡使用單頻率光源，從而在非常短的測(cè)量時(shí)間內(nèi)只針對(duì)感興趣的區(qū)域獲得圖像，并對(duì)其進(jìn)行詳細(xì)分析。結(jié)合生物信息圖像分析技術(shù)，基于QCL的紅外顯微鏡可以對(duì)癌癥組織進(jìn)行無染色的組織分類，并且可以實(shí)現(xiàn)全自動(dòng)分析。

"我們將測(cè)量的時(shí)間縮短了160倍。"研究員Frederik Großerüschkamp說。

圖1.

基于QCL的全切片大腸癌組織薄切片的染色和紅外成像：（A）大腸癌薄切片的H&E染色圖像，顯示了患病結(jié)腸壁的形態(tài)結(jié)構(gòu)。較重的紫色染色圖案在上部突出顯示了癌變區(qū)域，浸潤(rùn)的炎癥細(xì)胞分布在整個(gè)組織樣本中。（B）索引彩色圖像，其中黃色表示浸潤(rùn)性炎癥細(xì)胞。（C）紅色像素代表與臨床病理學(xué)家的注釋相匹配的樣本癌變區(qū)域。

該團(tuán)隊(duì)使用基于QCL光源的紅外顯微光譜成像分析了從結(jié)直腸癌患者身上采集的110個(gè)組織樣本。與組織病理學(xué)（常規(guī)臨床診斷的金標(biāo)準(zhǔn)）相比，該無染色方法的結(jié)果顯示出96％的敏感性和100％的特異性。作為對(duì)照，研究組使用兩個(gè)不同的設(shè)備進(jìn)行了測(cè)量，并且由多位操作者進(jìn)行了分析。實(shí)驗(yàn)證明這對(duì)結(jié)果沒有影響。

  研究人員Angela Kallenbach-Thieltges表示：“該方法現(xiàn)在非常快速、可靠，并且不依賴于特定的設(shè)備或特定的操作者。這為自動(dòng)分類來自患者的組織樣本開辟了新途徑。”

  該小組認(rèn)為，其證明了QCL紅外光譜顯微成像是一種無損、無需染色標(biāo)簽的技術(shù)，目前是一個(gè)能夠用于組織分類和生物標(biāo)志物研究的快速技術(shù)，下一步將針對(duì)尚未滿足的臨床需求繼續(xù)開展大型研究。該團(tuán)隊(duì)認(rèn)為，這能夠把基于紅外光譜顯微成像的無染色標(biāo)簽和自動(dòng)組織分類推進(jìn)臨床程序，也能用于生物標(biāo)記物的搜索。

  現(xiàn)在，基于QCL的紅外光譜顯微成像技術(shù)能夠在短時(shí)間內(nèi)獲取高質(zhì)量診斷圖像，克服了紅外影像臨床翻譯的主要障礙。“研究結(jié)果使人們覺得高精度的紅外光譜癌癥診療不再遙不可及，并且最終將被證明比傳統(tǒng)方法更成功。”研究人員Klaus Gerwert說。

參考文獻(xiàn)

1. Kuepper, C., Kallenbach-Thieltges, A., Juette, H. et al. Quantum Cascade Laser-Based Infrared Microscopy for Label-Free and Automated Cancer Classification in Tissue Sections. Sci Rep 8, 7717 (2018). 

2. QCL-based IR Microscopy Performs Rapid Cancer Diagnosis.