推进内窥镜拉曼光谱技术：克服固有障碍，实现高精度原位诊断

《TrAC Trends in Analytical Chemistry》：Advancing Endoscopic Raman Spectroscopy: Overcoming Intrinsic Barriers for High-Precision in Situ Diagnostics

•围绕五重内在障碍展开，从光子预算到证据质量
•递送能量在五个器官系统中收敛至每次光谱采集0.03–0.27焦耳
•所报告准确率反映训练集规模与验证设计，而非模型架构
•SERS测量的是吸附在其基底上的分子，而非组织本身
•没有任何应用已在任何器官系统中实现前瞻性多中心验证

引言

当前诊断内部病理的临床金标准高度依赖白光内镜检查，随后进行物理活检和病理学检查[1], [2], [3]。尽管这一范式具有基础性，但其固有局限显而易见：容易受抽样误差影响，依赖主观判读，且在组织取出与确诊之间存在较长延迟[2], [4], [5]。更为关键的是，传统影像学手段主要检测宏观结构和形态学异常，往往无法在疾病最早期生化阶段识别出病变[2]，甚至病灶大小通常通过目视估计，观察者间变异较大[6]。因此，临床上迫切需要"光学活检"技术——能够原位即时提供分子特异性信息并指导组织取样进行病理学的技术。

内镜拉曼光谱（Endoscopic Raman Spectroscopy, ERS）正是回应这一需求，可在常规内镜操作过程中实时、活体获取组织的分子指纹。通过测量非弹性光散射，该技术无需标记、无创地提供组织生化信息，依据分子组成而非形态学区分病理状态。桌式及离体振动研究已独立建立了肌肉骨骼组织退行性变的拉曼可检测生化特征，这促使了第5.3节所述的内镜延伸发展，该部分被重新定位为生化基础而非内镜诊断特异性的证据[7], [8], [9]。历史上，拉曼光谱的临床转化因信号强度弱、光谱仪体积庞大以及生物组织固有的强烈自荧光而受阻。然而，近年来先进光学工程——如光纤探针微型化和高灵敏度探测器开发——与纳米技术及机器学习的结合，正推动ERS走向临床评估[10], [11], [12], [13], [14]。

本文是一篇批判性结构化叙述性综述，而非依据预注册方案执行的系统综述。为支持可重复性，本文明确陈述了文献识别与评价的依据。

文献检索通过Web of Science、Scopus、PubMed和Google Scholar完成，将技术术语（拉曼光谱、表面增强拉曼散射、空间偏移拉曼光谱）与部署术语（内镜、内镜下、光纤探针、导管、关节镜、活体、术中）及分析方法术语（化学计量学、机器学习、深度学习、卷积神经网络）进行组合检索。手动筛选了检索所得文章的参考文献列表及既往综述以寻找补充来源。检索最后一次更新于2026年6月，参考文献列表收录截至2026年5月31日发表的文章。纳入标准为报告与拉曼光谱在内镜、导管、针式或关节镜几何构型下部署相关的仪器、计算方法或生物测量数据的研究。亦纳入建立了可迁移使能技术的出版物——例如在非医学领域开发的表面增强拉曼散射（SERS）基底工程——并在正文中标识为如此，以免被误读为临床性能证据。排除非英文出版物、无全文的会议摘要及未报告原始光谱数据的研究。

由于该领域横跨从桌式光学到人体临床测量，证据按照明确的成熟度等级报告：E1，桌式、体模或非生物学验证；E2，离体人体组织或生物流体；E3，动物活体；E4，人体活体，无论单中心或多中心，经回顾性评估或内部验证；E5，人体活体，依据预设临床终点进行前瞻性验证。引用研究处均标明等级，全文汇总表及图注中亦然。未应用正式的偏倚风险工具，故诊断准确率按原始作者报告呈现，而非汇总或评估估计值。

拉曼光谱在医学中的应用已从多个角度被综述：活体拉曼成像及外源性报告化学的广泛调查[15]，SERS作为生物流体与代谢物分析平台[16]，深层拉曼方法用于恢复皮下信号[17]，以及实时光纤拉曼用于早期癌症诊断[18], [19]。这些综述分别按生物应用、增强化学、测量几何构型和临床适应症进行组织。

然而，没有任何综述按照决定内镜测量能否实现及其输出是否可信的约束条件进行组织。这两者并非独立：工作通道内光子收集的限制约束了数据集规模，进而影响所报告准确率的可靠性。本综述沿此因果链展开（第1.3节），并将其作为证据分级方案（第1.1节）、第2章理论框架与适配原则及第3章探针设计与光学系统技术进展的编排原则，以及第6章挑战分类法的基础。本文框架并不要求ERS优于竞争性光学活检技术；第2.3节将其列为互补而非更优。

ERS面临的障碍宜理解为一条链而非一个清单。从激发光子进入工作通道到临床决策离开通道，有五个障碍分隔其间，每个障碍都约束着下一个障碍所能实现的水平。

（i）光子预算。自发拉曼效应极为罕见，内镜收集光学系统受通道几何形状的光瞳限制；功率与积分时间受热安全及操作耐受性限制，在做出任何其他设计选择之前，可用信号即被限制在约一个数量级（第2.2节光子传输与采样体积来源、第3.2节数值孔径、光瞳与光子预算）。

（ii）背景。信号叠加于组织自荧光与光纤产生的拉曼散射之上，后者可能大出数个数量级；每项缓解措施都与其他障碍形成权衡（第2.2节光子传输与采样体积来源、第3.1节微型化与光纤创新、第3.4节光谱仪架构与探测器技术进步、第4.1节经典化学计量学与基线预处理）。

（iii）采样体积。被测体积由几何构型、波长及组织光学性质共同决定，且往往并非目标层。它不能作为仪器规格参数引用（第2.2节光子传输与采样体积来源、第3.3节探针几何构型对空间分辨率与穿透深度的影响）。

（iv）推理。光谱必须在操作工作流中转化为决策，使用的模型训练队列规模小到架构与数据集规模产生混杂（第4章）。

（v）证据。所报告的性能取决于验证设计、参考标准和分析单位，至少与仪器本身同等重要（第1.1节范围、文献筛选与证据评价、第4章临床与临床前应用跨越多个器官系统）。

此链具有方向性：光子匮乏的光谱中所缺失的信息无法通过任何分类器恢复，验证设计不支持的准确率数字也无法成立。第3章探针设计与光学系统技术进展、第4章先进分析方法与光谱数据处理、第4章临床与临床前应用跨越多个器官系统、第6章当前挑战与未来展望按此顺序排列，第6章按障碍对未解决问题进行归类。

章节片段

活体ERS测量工作流

将拉曼光谱从受控桌式环境转移至内镜环境，需要直接源于第1.3节所述障碍的物理适配。激发波长、收集几何构型和采集时间并非独立的设计选择，而是受光子预算（第3.2节）及信号测量背景（第3.4节）共同约束[20]。

在实际操作中，这些物理原理转化为高度——

微型化与光纤创新

在设备微型化方面的重大创新在保持最小侵入性足迹的同时提升了信号质量（图2A）。常规临床光纤拉曼探针外径通常为1.0 mm至2.5 mm，而新型设计目标为<1.0 mm，以实现与标准内镜通道的无缝兼容[23], [40]。此外，一次性亚毫米光纤探针的出现，将高分辨率组织分析与高昂成本解耦——

经典化学计量学与基线预处理

从原始活体光谱中推导诊断分类需要一个全面的计算工作流，从基础预处理逐步推进至高级机器学习分类（图6）。主要瓶颈在于从强烈背景伪迹中分离微弱的非弹性散射。传统多项式拟合在陡峭梯度附近往往失效，导致局部过拟合或欠拟合。为此，自适应替代方法如迭代非对称最小二乘——

临床与临床前应用跨越多个器官系统

ERS已被应用于范围不断扩大的多个器官系统，其证据水平在各系统间差异显著。通过在点诊处获取无标记生化光谱，该技术已被研究用于活体组织分类和边缘界定，作为病理学的辅助而非替代。光纤尺寸和探针几何构型的适配使其应用扩展至多种解剖环境（图7）。证据成熟度存在——

硬件限制（障碍i–iii）

ERS的硬件约束归结为几个守恒量。工作通道横截面积决定了收集光瞳，无法通过被动设计增大（第3.2节）；每次测量的递送能量上限受组织表面热考量约束，下限受分类所需信噪比约束。人体活体文献尽管功率跨度达25倍，仍收敛至9倍以内。因此更快的或更灵敏的采集必须——

结论

在过去约十年间，ERS已从原理验证发展到跨多个器官系统的人体活体测量。有三项结论得到支持。该技术所依赖的分子对比是真实存在的，且可通过内镜在胃肠道、膀胱、鼻咽和口腔中测量。采集与临床操作时间兼容，光谱在数秒内获取，推理在毫秒级完成。在一项单中心随机序列中，拉曼引导的——

CRediT作者贡献声明

黄国远：撰写——审阅与编辑、监督、资金支持、概念构思。郑耀仁：撰写——审阅与编辑、监督、资金支持。Azril：撰写——初稿、可视化、形式分析、概念构思

生成式人工智能及人工智能辅助技术在稿件制备过程中的声明

在准备本文过程中，作者使用Gemini的Nano Banana生成解剖学及图标图像。使用该工具/服务后，作者对内容进行了审阅和编辑，并对已发表文章的内容承担全部责任。

利益冲突声明

? 作者声明不存在可能影响本文报告的已知竞争性经济利益或个人关系。

致谢

本文工作获得了台湾科技部资助（MOST110-2124-M-006-005-、111-2321-B-006-013-、NSTC 112-2218-E-006-023-、112-2221-E-006-177-、113-2640-B-006-003-、113-2221-E-006-088-MY3、114-2622-E-006-016-、114-2218-E-006-012-、114-2640-B-006-003-和115-2221-E-006-195），国立成功大学医院（资助编号：NCKUH-11410023及-11511012），以及美国空军科学办公室（AFOSR，合同编号FA4869-06-1-0056）资助。Azril | 黄国远 | 郑耀仁