拉曼光谱结合深度学习，用于快速、无标签肝癌组织病理诊断

活检是肝癌病理诊断的推荐标准。然而，这种方法通常需要切片和染色，以及训练有素的病理学家来解读组织图像。

近日，来自中国科学院大学和温州医科大学的研究团队，利用拉曼光谱研究人体肝组织样本，开发和验证肝癌体外和术中病理诊断的工作流程。通过使用拉曼光谱结合深度学习，以快速、非破坏性和无标签的方式将癌组织与邻近的非肿瘤组织区分开来，并通过组织代谢组学进行验证。

该技术允许对癌组织进行详细的病理鉴定，包括亚型、分化等级和肿瘤分期。基于分子组成的可视化，还可以获取具有亚微米分辨率的未处理人体组织切片的 2D/3D 拉曼图像，这有助于肿瘤边界识别和临床病理诊断。最后，便携式手持拉曼系统在手术过程中用于实时术中人类肝癌诊断的潜力得到了说明。

该研究以「Rapid, label-free histopathological diagnosis of liver cancer based on Raman spectroscopy and deep learning」为题，于 2023 年 1 月 4 日发布在《Nature Communications》上。

内容中包含的图片若涉及版权问题，请及时与我们联系删除