首页 > 文章详情

97%精准锁定肿瘤！无创“光谱扫描”让乳腺癌更早现形

03月30日

来源：肿瘤资讯

乳腺癌仍然是全球女性癌症相关死亡的主要原因之一，这凸显了对准确且早期诊断方法的迫切需求。高光谱成像（HSI）通过在数百个连续波段上整合空间信息与光谱信息，为组织分析提供了一种无创且高分辨率的技术手段。一项新研究提出了一种线扫描式HSI系统，并结合概率密度函数（PDF）分析与自动化分类算法，用于检测和界定乳腺恶性组织。系统最终实现了97%的灵敏度、95%的特异度以及95%的总体准确率，与病理诊断结果高度一致。

图片2.png

乳腺癌是全球女性中最常见的恶性肿瘤，也是癌症相关死亡的第二大原因。尽管筛查和治疗手段不断进步，患者生存率仍高度依赖于早期且准确的诊断。现有影像学手段，如X线乳腺摄影（钼靶）和磁共振成像（MRI），存在一定局限，包括电离辐射暴露、费用较高以及特异性不足，可能导致不必要的活检。因此，迫切需要开发无创、准确且成本可控的诊断方法，在提高敏感性的同时减少假阳性。

光学成像因能够提供实时、无需标记的组织结构与成分信息，逐渐成为有前景的诊断手段。弥散光谱成像（DOS）和荧光成像等技术已在探测乳腺组织的吸收、散射和荧光特性方面显示出价值。然而，这些技术通常依赖有限的光谱通道，从而限制了诊断精度。

高光谱成像（HSI）在该领域代表着重要进展。通过在数百个连续光谱波段上采集图像，HSI可生成多维“超立方体”数据，每个像素均包含完整的反射光谱信息。这使得其能够检测与恶性肿瘤相关的细微生化和形态变化，如细胞密度、血管生成及生化组成的改变。值得注意的是，HSI具有非接触、无电离辐射且可重复使用等优势，适合临床应用。

既往研究已将HSI应用于乳腺组织诊断，但仍面临诸多挑战，包括波长选择主观性强、样本量较小及验证不足等。当前作者此前的研究曾探索HSI在乳腺组织分类中的应用，但尚缺乏自动化光谱优化框架。本研究通过引入基于概率密度函数（PDF）的自动波长选择方法，并结合无监督聚类实现肿瘤区域分割，以解决上述问题。基于70例活检样本（其中恶性35例、正常35例），研究证明该方法在与病理结果对照验证中具有较高的诊断性能。

具体而言，研究从体外乳腺活检样本中提取漫反射光谱，通过PDF分析确定445 nm为最佳诊断波长，该波长在恶性组织与正常组织之间表现出最大的差异。研究纳入的70份活检样本均经乳腺影像学检查和组织病理学确诊。在确定的最佳波长下，研究采用K-means聚类算法对恶性区域进行分割，并以病理学专家标注结果作为对照进行验证。系统最终实现了97%的灵敏度、95%的特异度以及95%的总体准确率，与病理诊断结果高度一致。受试者工作特征（ROC）曲线分析显示，曲线下面积（AUC）超过0.95，进一步证明该系统具有良好的诊断性能。

除分类功能外，该系统还能提供可视化结果，辅助肿瘤边界的精确界定，从而为手术规划和个体化治疗策略提供支持。将高光谱成像与先进图像处理技术相结合，在乳腺肿瘤检测与分类方面展现出良好应用前景。通过生成彩色编码的肿瘤图谱（例如用红色和橙色突出显示恶性区域），显著提升了结果的可解释性，使临床医生能够更直观、更有信心地识别恶性组织。这种可视化方式进一步凸显了该成像系统的临床价值，为早期乳腺癌诊断和手术规划提供了一种无创、以数据为基础的辅助工具。

该自动分类流程围绕最佳诊断波长（445 nm）构建，该波长通过概率密度函数（PDF）分析确定。在这一波长下，由于组织结构和生化成分的变化，恶性组织的漫反射光谱出现明显改变，从而形成一种稳健的光谱标志，用于区分恶性与正常组织。

小结

对乳腺恶性组织进行早期且准确的识别，对于改善患者预后至关重要。然而，现有影像学手段仍存在明显局限：乳腺X线摄影（钼靶）涉及电离辐射，并在致密型乳腺中敏感性降低；MRI虽然信息丰富，但费用高且耗时；组织病理学虽为临床金标准，却具有侵入性且存在观察者间差异。相比之下，高光谱成像是一种无电离辐射、无需标记且高分辨率的光学技术，可通过数百个光谱波段捕捉组织的生化与形态变化。这些固有优势使HSI成为增强现有乳腺癌诊断路径的有前景技术。此外，研究结果表明，将PDF引导的波长选择与高光谱成像技术相结合，可实现稳健的乳腺癌诊断，并在术中导航和数字病理领域具有潜在应用价值。本研究的创新之处在于：（1）采用PDF引导的波长优化策略；（2）将其与K-means聚类相结合，实现客观的肿瘤分割；（3）通过灵敏度、特异度、准确率及ROC曲线分析进行系统验证。

参考文献

El-Sharkawy, Y.H. High-accuracy Detection and Delineation of Malignant Breast Tissue Using Line-Scanning Hyperspectral Imaging and Probability Density Function Analysis. Sens Imaging 27, 33 (2026).

责任编辑：肿瘤资讯-lcm
排版编辑：肿瘤资讯-slb