首页 > 文章详情

Intelligent Oncology文章 | 术中看清肿瘤边界？hNQO1激活型NIR-II探针+AI带来新可能

06月27日

编译：肿瘤资讯

来源：智能肿瘤学

Intelligent Oncology

Volume 2, Issue 2

在癌症治疗中，如何精准区分肿瘤与正常组织，一直是医生面临的巨大挑战。传统影像手段如CT、MRI、PET虽然强大，但在实时、高分辨率、分子级别的肿瘤识别上仍存在局限。 Intelligent Oncology 期刊2026年第2期发表了一篇由美国弗吉尼亚理工大学、英国利兹大学、英国东伦敦大学等研究团队合作撰写的综述文章，该文重点梳理了hNQO1激活型近红外二区（NIR-II）探针在肿瘤精准成像中的研究进展。

什么是hNQO1？

hNQO1是一种在胰腺癌、肺癌、乳腺癌等多种恶性肿瘤中高表达的酶，而在正常组织中含量极低，这一表达特征为其作为肿瘤成像的重要分子基础提供了依据。hNQO1参与细胞内氧化还原反应，其活性变化能够反映肿瘤细胞的代谢状态。基于这一分子特征，可利用hNQO1实现对肿瘤区域的有效识别与定位，为构建高选择性的分子成像策略提供了关键切入点。

hNQO1激活型探针的设计原理

目前相关研究多采用“淬灭-激活”型探针结构，将荧光基团与hNQO1响应底物通过可切割连接子连接，使探针在循环过程中保持低背景信号；在肿瘤微环境中，经hNQO1催化作用后触发结构变化，恢复荧光信号，从而实现对肿瘤区域的选择性成像。

NIR-II成像在肿瘤可视化中的优势

在成像技术层面，NIR-II（1000–1700 nm）波段为肿瘤可视化提供了重要支持。相较于传统可见光及近红外一区成像，该波段具有更强的组织穿透能力和更低的光散射与背景自发荧光干扰，可在复杂组织环境中获得更清晰的成像效果。同时，较高的信噪比和空间分辨率使其在深部肿瘤检测及精细结构识别中展现出良好的应用潜力，为精准成像提供了技术基础。

hNQO1激活型NIR-II探针在精准肿瘤学中的应用

围绕hNQO1激活型探针的设计，研究不断发展出多种结构优化策略，包括醌类响应单元、自消除连接子及分子结构修饰等，以提升探针性能。在应用层面，这类探针已被用于 肿瘤组织实时成像、区分恶性肿瘤细胞与健康细胞、提高肿瘤检测与分期的准确性 等。这些应用对于改善手术预后、实现精准诊断评估以及推动个体化治疗方案的制定具有重要意义。

图1 简用于肿瘤检测与手术指导的hNQO1激活型NIR-II成像的简化临床工作流程

AI赋能：从荧光信号到临床决策

（1）AI在NIR-II荧光信号解译中的作用

原始NIR-II荧光图像存在噪声、散射和异质性等干扰。AI（尤其是深度学习）可自动去噪、抑制背景并归一化强度，提升信噪比和可重复性。hNQO1激活的荧光具有空间和时间动态特征，AI能将其转化为酶活性分布图，区分肿瘤与坏死组织、识别浸润边界，为酶活性空间分布的定量分析提供计算支持。

（2）基于深度学习的肿瘤分割与边界描绘

深度学习模型（如U-Net）可从hNQO1荧光图像中学习肿瘤边界模式，实现像素级精确分割，减少主观判断，辅助术中决策。但模型需在多中心、不同设备及不同肿瘤亚型上验证泛化能力，并以病理金标准为参照，避免单中心过拟合。

（3）放射组学与定量特征提取

AI可提取荧光强度分布、空间纹理、激活动力学及异质性等高维特征。这些特征作为定量生物标志物，可预测肿瘤侵袭性、治疗反应（如病理完全缓解）、复发风险及生存期，为精准肿瘤学提供数据驱动支持。

（4）多模态数据融合与AI集成工作流

将NIR-II荧光与MRI、PET、CT或病理图像融合，AI可构建多维肿瘤信息。NIR-II提供分子特异性，MRI提供解剖结构，PET提供代谢负荷，融合模型能更准确预测无进展生存期等临床终点，实现个性化治疗决策。

图2 整合hNQO1激活型NIR-II探针与AI的智能肿瘤学工作流程示意图

（5）AI辅助的术中决策支持

AI系统实时分析hNQO1荧光信号，动态更新恶性肿瘤概率图，向外科医生反馈肿瘤边界和残留病灶，降低认知负荷，提升切除彻底性。该系统符合医疗器械独立软件监管框架。

（6）AI衍生的定量生物标志物与临床终点

可提取的标志物包括归一化荧光强度、空间异质性、时间激活动力学及形态特征。这些标志物可预测三类临床终点：①治疗反应（如病理完全缓解）；②复发风险分层；③生存期预测。需前瞻性研究验证标志物与终点的关联性。

（7）验证要求与临床部署框架

AI模型需满足：①大规模、多中心、病理金标准标注的数据；②外部独立验证（不同设备、人群）；③跨中心标准化（体模校准、域适应、联邦学习）；④符合相关医疗器械法规，强调可解释性、透明度和上市后监测，并保留医生的最终决策权。

总体来看，围绕hNQO1的酶激活型荧光探针、NIR-II成像技术以及AI分析方法，正在逐步构建起一套更加精准的肿瘤可视化策略。随着分子探针设计与智能分析手段的不断融合，肿瘤影像正从单纯的 “可视化” 向 “可量化、可解析” 转变，这将为智能肿瘤学的发展提供重要支撑。

原文获取

引用文本

Egbewole BI, Oisakede EO, Egbon E, Bello OJ, Analikwu CC, Olawade DB. Advancing Precision Oncology Through hNQO1-Activatable NIR-II Probes: Integrating Molecular Imaging with Artificial Intelligence. Intelligent Oncology . 2026;2(2):100053. doi:10.1016/j.intonc.2026.100053

♥

论文作者 | Bamise I. Egbewole, Emmanuel O. Oisakede 等

翻译、整理 |周赵兰

编辑 | 曾海蓉

审核 | 李劲

06月27日

赵艳秋

沈丘县人民医院 | 肿瘤内科

随着分子探针设计与智能分析手段的不断融合，肿瘤影像正从单纯的 “可视化” 向 “可量化、可解析” 转变，这将为智能肿瘤学的发展提供重要支撑。

06月27日

杨世忠

阳泉市肿瘤防治研究所 | 肿瘤内科

利用hNQO1实现对肿瘤区域的有效识别与定位，为构建高选择性的分子成像策略提供了关键切入点。

06月27日

周晓灿

南京医药股份有限公司第一药店 | 肿瘤科

好好学习天天向上