快速多模态成像联合机器学习鉴定牛磺酸作为乳腺癌切缘评估的潜在标志物

《npj Digital Medicine》：Fast multimodal imaging combined with machine learning identifying taurine as a potential marker for breast cancer margin assessment

语 为解决乳腺癌保乳手术(BCS)中切缘状态评估的准确性与实时性难题，本研究整合飞秒无标记成像(FLI)显微镜与质谱成像(MSI)技术，结合机器学习(ML)算法，首次发现牛磺酸(taurine)在癌组织中特异性高表达，且其空间梯度与切缘距离负相关。该研究不仅构建了包含牛磺酸、苏糖酸(threonate)和谷氨酸(glutamate)的生物标志物组合（AUC达0.985），还通过体外实验验证牛磺酸可促进乳腺癌细胞增殖。这一多模态平台有望实现术中快速、无标记的切缘评估，为精准手术提供新策略。

　　

乳腺癌是全球女性最常见的恶性肿瘤之一，保乳手术(BCS)结合术后放疗已成为早期乳腺癌的标准疗法。然而，术中切缘状态的准确判定仍是临床面临的重大挑战。约20%-40%的患者术后因切缘阳性需二次手术，现有术中冰冻切片(IFS)技术虽能降低再手术率，但依赖病理医师经验且耗时长达30分钟，限制了其普及。因此，开发快速、精准的术中切缘评估技术迫在眉睫。

近年来，多光子显微镜等无标记成像技术因其高分辨率和深层穿透能力备受关注。其中，飞秒无标记成像(FLI)显微镜可同时采集三光子自发荧光(3PFE)、二次谐波(SHG)和三次谐波(THG)信号，无需切片或染色即可呈现组织细胞形态。另一方面，质谱成像(MSI)技术能够原位可视化代谢物空间分布，为分子水平诊断提供可能。尽管已有研究尝试将解吸电喷雾电离(DESI)-MSI用于癌症切缘评估，但缺乏特异性生物标志物支撑其临床应用。

发表于《npj Digital Medicine》的这项研究，创新性地将FLI显微镜与基质辅助激光解吸电离(MALDI)-MSI技术结合，并引入机器学习算法，旨在开发一种能够快速、精准识别乳腺癌切缘的新方法。研究团队通过多模态成像平台，不仅实现了对乳腺癌和癌旁非癌乳腺(TANB)组织的形态学与分子特征同步分析，更首次发现牛磺酸可作为切缘评估的关键生物标志物。

关键技术方法概述

研究纳入36例未接受新辅助治疗的乳腺癌患者，获取41例组织样本（26例癌组织、15例癌旁组织）。对新鲜或多聚甲醛(PFA)固定组织块及35微米厚冰冻切片进行FLI成像，对比H&E染色结果；连续切片采用MALDI-MSI获取代谢物空间分布数据，结合随机森林(RF)、支持向量机(SVM)、XGBoost等机器学习算法筛选差异代谢物，并通过体外细胞实验验证牛磺功能。

研究结果

FLI显微镜精准描绘组织形态

通过对比H&E染色与FLI成像，研究发现FLI能清晰区分乳腺癌与TANB组织的微观结构差异。在乳腺癌组织中，FLI的3PFE通道可显示肿瘤上皮细胞轮廓，THG通道凸显脂滴边界，SHG通道标记胶原纤维。尤其重要的是，FLI对35微米厚切片的成像深度优于传统病理切片，能更准确识别浸润性癌组织与脂肪组织的边界，为切缘判定提供形态学依据。

多模态成像协同识别肿瘤异质性

FLI与MALDI-MSI联合分析显示，乳腺癌组织代谢谱显著区别于TANB组织。通过OPLS-DA分析及Wilcoxon检验，共鉴定出57个差异代谢物（FDR<0.05）。机器学习模型中，XGBoost模型性能最优，在205个微区域和41例样本中的平衡准确率分别达96.31%和87.08%。基于SHAP值和基尼指数筛选出前5个关键特征，其中牛磺酸(m/z 124.0068)、苏糖酸(m/z 135.0149)和谷氨酸(m/z 146.0449)被鉴定为核心生物标志物。

牛磺酸作为切缘评估生物标志物的验证

在切缘明确的患者组织（编号42）中，牛磺酸在肿瘤核心区高表达，其强度随距离切缘越远而逐渐降低（图6F-G）。生存分析显示，牛磺酸高表达的乳腺癌患者总生存期更短（风险比HR=2.15, p=0.032）。体外实验进一步证实，200μM牛磺酸处理可显著促进MCF-7和MDA-MB-231细胞的活力、抑制凋亡，并加速S期细胞周期进程。

结论与讨论

本研究通过整合FLI显微镜的快速形态学成像与MALDI-MSI的分子覆盖能力，构建了一种无需标记的多模态平台，可在15分钟内完成组织切缘评估。机器学习算法筛选出的牛磺酸、苏糖酸和谷氨酸组合，在内部队列和外部JCI队列中均表现出卓越的诊断效能（AUC>0.985）。尤其牛磺酸的空间梯度变化与切缘距离负相关，且其促癌功能在实验中得到验证，提示其可作为功能性生物标志物。

尽管研究存在缺乏健康对照组织等局限性，但多模态平台的优势显著：FLI成像避免批间差异，MSI提供分子维度信息，机器学习提升模型泛化能力。未来若将该系统整合至手术室，有望实现术中实时切缘判定，减少再手术率，优化乳腺癌患者预后。这一策略也为其他肿瘤的精准手术提供了技术范式。