基于全息断层扫描与深度学习的三维虚拟H&E染色技术揭示厚癌组织微解剖结构

本研究针对传统组织病理学中二维分析局限性和繁琐染色流程的难题，创新性地结合全息断层扫描（holotomography）与深度学习技术，实现了无需标记的厚癌组织（50μm）三维虚拟H&E染色。该方法通过重构组织折射率（RI）分布并转化为三维H&E图像，成功解析结肠癌和胃癌的亚细胞级微解剖结构，验证了其在跨机构样本中的可重复性。这一突破为癌症诊断和研究提供了高效、无损的三维病理分析工具，推动组织病理学进入三维时代。

　　

论文解读

组织病理学是疾病诊断的黄金标准，但传统H&E染色仅能提供二维切片信息，且厚组织样本的连续切片和染色过程耗时耗力，还易引入人为假象。随着癌症研究深入，三维微解剖结构（如血管神经分布、肿瘤异质性）的重要性日益凸显。现有三维成像技术依赖复杂样本处理，难以兼顾效率与精度。如何突破二维限制、实现厚组织无损成像，成为病理学领域亟待解决的难题。

韩国科学技术院（KAIST）与延世大学等机构的研究团队在《Nature Communications》发表研究，提出一种融合全息断层扫描和深度学习的三维虚拟H&E染色方法。研究使用结肠癌和胃癌样本（包括4-50μm厚组织），通过低相干全息断层扫描系统（HT-X1/X1-Plus）获取三维折射率（RI）分布，结合条件生成对抗网络（cGAN）将RI图像转化为虚拟H&E图像。关键技术包括：空间变换网络对齐RI与真实H&E图像、SCNAS架构优化三维医学图像分割、Hover-Net实现亚细胞结构定量分析。跨机构验证采用不同设备（3D HISTECH/Leica扫描仪）确保可重复性。

网络训练验证
通过4μm厚结肠癌切片训练神经网络，生成虚拟H&E图像与化学染色结果高度吻合（SSIM=0.78）。核检测Jaccard指数达0.5，核面积与数量无显著差异（p>0.05），证实虚拟染色能精准保留H&E的核心特征——核质对比度。

厚组织三维成像
在10-50μm厚结肠癌组织中，全息断层扫描清晰呈现腺管、腔隙的三维形变（如轴向收缩40%）。虚拟染色成功重建坏死区域（图3e）和印戒细胞（图2e），而传统染色因厚度限制无法分辨重叠核（图5c）。

亚细胞级解析
三维渲染揭示单个核的体积变化（图7l-m）及腔周核的空间分布（图7k），量化参数如核偏心率随轴向位置增加。相较之下，化学染色因非均匀着色无法实现此类分析（图7d,g）。

跨样本与机构验证
胃癌组织测试中，血管平滑肌的波纹纹理（图8d）和红细胞分布均被准确预测，SSIM验证框架鲁棒性（补充图3）。

该研究首次实现厚癌组织的三维虚拟H&E染色，突破传统病理学三大瓶颈：① 免去物理染色步骤，减少样本消耗；② 提供50μm厚样本的亚细胞分辨率（横向156nm/轴向1.07μm）；③ 支持核体积、腔隙变形等定量分析。折射率成像进一步拓展至蛋白浓度测量潜力。尽管现有技术对更厚样本（>50μm）的多重散射问题尚待解决，通过光学系统优化（如像差校正算法）和标准化样本制备（去石蜡验证），未来有望应用于淋巴结转移检测、肿瘤浸润淋巴细胞分析等领域。这项技术为癌症精准医疗提供了全新的三维病理学范式。