《Diagnostics》:AI-Driven Hyperspectral Imaging in Clinical Medicine: A Critical Appraisal of Translational Readiness
编辑推荐:
背景:多年来用于术中引导的设备未有显著改进。传统切缘评估在10%-20%的癌症手术中失败,而组织病理学确认需要48-72小时。高光谱成像(HSI)作为一种有前景的替代方案,可实现实时、无标记、非接触式的组织详细生化表征。方法:本综述遵循PRISMA-ScR指南
背景:多年来用于术中引导的设备未有显著改进。传统切缘评估在10%-20%的癌症手术中失败,而组织病理学确认需要48-72小时。高光谱成像(HSI)作为一种有前景的替代方案,可实现实时、无标记、非接触式的组织详细生化表征。方法:本综述遵循PRISMA-ScR指南,通过对多个数据库的系统检索,综合了2015年至2026年间的130项研究。这些研究涵盖多个临床领域,包括外科肿瘤学(53%)、神经外科(10.8%)、灌注评估(6.2%)、胃肠病学(5.4%)、皮肤病学(4.6%)以及新兴领域(20%)。每个临床领域均采用四部分转化就绪度评估框架进行评估。该框架将关注点从技术熟练度转向部署证据,通过考察硬件与手术室的兼容性、实时工作流程集成、跨站点验证以及监管就绪度来评估。结果:自2015年以来,临床批准的HSI硬件与人工智能的结合使发表量增加了十倍。然而,仍存在显著差距:所有被审查的研究均未达到监管批准所需的证据标准。在这些研究中,48.5%显示出较强的单站点验证,但50.8%仍处于概念验证阶段。对患者内部验证的严重依赖往往会夸大性能估计,导致设备间校准和监管路径等问题基本未被解决。结论:HSI已在多个领域展现出技术成熟度,尤其是在头颈部切缘评估和脑肿瘤勾画方面。缺乏临床采纳的主要原因并非成像性能不足,而是缺乏多中心验证和正式的监管证据框架。
1. 引言
精准医疗依赖于一个看似简单的命题:在正确的时间获得正确的信息能够改变治疗结局。然而,现代肿瘤学的术中引导工具仍存在明显不足。10%-20%的肿瘤切除术存在阳性切缘遗漏,直接影响再手术率、辅助治疗负担和长期无病生存期。标准组织病理学需要48-72小时,远不能满足术中实时指导的需求。冰冻切片分析需耗时20-40分钟且需要冷冻切片设备,在许多手术室无法配备。荧光引导手术仅适用于拥有获批荧光探针的肿瘤,本质上具有靶向依赖性。拉曼光谱虽能提供大量光谱数据,但其速度和空间覆盖范围不足以实现全面的术中组织评估。高光谱成像(HSI)通过捕获数百个窄波段上的连续光谱特征,实现了无需外源性造影剂或破坏组织的非接触式、无标记的组织生理学评估。作为基于光学反射的模态,HSI从根本上不同于依赖X射线衰减、磁共振和声学反射的计算机断层扫描(CT)、磁共振成像(MRI)和超声等横断面成像技术。因此,HSI适用于可进行光学照明的表面和组织,包括术中手术视野、内镜表面、皮肤组织、视网膜成像和离体组织病理标本。机器学习(ML)和深度学习(DL)通过自动特征提取和模式识别解决了HSI数据分析中的挑战,特别是卷积神经网络(CNN)已被应用于疾病生物标志物检测、肿瘤切缘评估、组织分类和术中引导等领域。尽管近期研究报道了令人鼓舞的结果,但高模型性能并不一定代表临床就绪度。独立验证和整合到临床实践中仍是转化的主要障碍。本综述旨在通过系统性的证据综合,弥合光学AI创新与实际手术应用之间的差距。
2. 综述方法
本综述按照PRISMA-ScR指南进行,由于纳入的130项研究在采集硬件、分析方法、临床领域和结果指标上存在异质性,无法进行统计合并,故采用结构化叙述性综合方法。系统检索了PubMed、Scopus、IEEE Xplore等多个数据库,时间跨度从2015年1月至2026年2月。主要布尔检索字符串结合了高光谱成像、临床应用和机器学习等关键词。纳入标准包括同行评议的原创研究、涉及人类或动物模型的临床HSI研究等。经过去重、筛选和全文审查,最终纳入130项研究,其中包括114篇原创研究论文、10篇会议论文、5篇系统综述和1篇书籍章节。文献计量分析显示,发表量从2015年的3篇增长至2025年的30篇,增长了约十倍。SPIE/Optica是最大的出版商群体,占18%,其次是Nature Portfolio(15%)、MDPI和Elsevier(各12%)。研究按五个维度进行分类:临床应用、主要AI或分析方法、数据集特征、验证设计和转化就绪度层级。证据质量分为四个级别:I级(多中心前瞻性研究)、II级(单中心前瞻性研究伴患者间验证)、III级(回顾性研究伴患者间验证)和IV级(患者内验证或概念验证)。本综述的核心评估贡献在于应用四域转化就绪度评估框架,包括手术室硬件兼容性、实时工作流集成、跨站点验证和监管/卫生经济学可行性。每个临床领域被分配一个三级转化就绪度层级:Tier 1表示足以支持监管提交的证据,Tier 2反映在一个或两个领域有证据但缺乏多站点验证,Tier 3仅表示概念验证状态。
3. 成像方法
高光谱成像通过将空间成像与色散光学元件相结合,生成三维数据立方体(x, y, λ)。与将光整合为三个宽重叠颜色通道的标准RGB成像或采样有限离散波段的的多光谱成像不同,HSI在每个空间像素记录详细的光谱特征。其主要临床优势在于对微妙分子和生理变化的敏感性,关键组织发色团如氧合血红蛋白、脱氧血红蛋白、脂质和水具有独特的光谱吸收特征。在130项研究中,可见-近红外(VIS-NIR)范围(约400-1000nm)占主导地位,通常使用中位数为128个光谱波段。医学HSI系统主要采用三种采集架构:推扫式系统逐行扫描组织,具有高光谱分辨率但对运动敏感,适用于稳定的离体标本和受控的术中视野;快照系统能在一次曝光中捕获整个超立方体,采集时间小于10ms,是与移动活体组织真正兼容的唯一架构,但在空间或光谱分辨率上有所折衷;波长扫描系统每次步进一个波长拍摄一个光谱帧,采集时间接近一分钟,不适用于实时引导,其价值在于受控的离体和组织学环境。
4. 公开可用数据集
临床和手术研究中公开可用的HSI数据集仍然有限但正在稳步扩展。光谱带数量从25到826不等,中位数为128,众数为100。大多数数据集(60.8%)是在受控实验室条件下离体获取的,仅有37.7%涉及活体内采集。金标准标注主要是组织病理学(67.7%),但6.2%的研究未提供明确的标注来源。神经肿瘤学是该领域首个建立公共数据集的领域,HELICoiD项目发布了首个公开可用的活体脑肿瘤HSI数据集。在头颈部肿瘤学中,HSPath-Bench数据集引入了首个针对鳞状细胞癌的公开显微HSI资源。HeiPorSPECtRaL数据集提供了大规模多器官覆盖。胆管癌数据集包含174名患者,是迄今为止最大的疾病特异性病理HSI基准之一。乳腺癌肿瘤学通过TCIA提供了首个关于乳腺癌复发的公开可访问数据集。最新的肝转移性结直肠癌HSI数据集具有像素级肿瘤标注、1nm的高光谱分辨率和共配准的伪RGB图像特征。
5. 数据转换技术
原始高光谱数据在输入分类器前必须经过预处理流水线以消除物理伪影,但不到三分之一的纳入研究提供了足够的白参考采集细节以供复现。预处理包括四个连续阶段:照明校正、辐射定标、噪声降低和降维。在特征提取和降维方法中,49项研究采用了CNN端到端学习特征,主成分分析(PCA)是主要的传统变换技术,U-Net特征提取和基于Transformer的特征分别用于分割和长程光谱建模。显式波段选择在六项研究中作为主要研究问题,分为三类:进化与优化方法、无监督数据驱动方法和端到端学习波段选择。光谱解混作为第三分析途径,将每个像素的光谱分解为纯组分光谱的线性组合并估计各组分丰度,包括基于物理的解混和盲线性解混两种主要方法。
6. 医学HSI中的任务制定
在130项研究中发现了六种主要任务制定方式:像素级分类是最普遍的任务,为每个空间像素分配预定义的组织类别,但缺乏空间上下文会导致椒盐噪声;语义分割显式建模空间上下文,U-Net及其变体成为标准架构,能产生更平滑、空间连贯的肿瘤边界图,但标注负担较重;实例检测和目标定位常用于皮肤科和内窥镜应用,使用YOLO等架构定位离散病变;回归和定量生物标志物映射预测连续值组织参数,如组织水含量和氧饱和度,可能是最具临床重要性的任务制定;生成任务包括合成和超分辨率,利用生成模型重建光谱数据或多模态转换;多任务学习将多种任务制定结合在单一模型中,有助于缓解标注不足的问题。
7. 按层级划分的临床应用
本节综合了九个主要医学领域的HSI-AI证据。在脑和神经肿瘤学中,研究整合了HSI与AI用于自动化脑肿瘤分析,区分肿瘤边缘、WHO分级、组织类型和IDH状态,临床集成的HSI硬件支持其归类为Tier 2临床就绪度。头颈部肿瘤学中,研究从早期探索光谱差异发展到自动化肿瘤评估和临床集成HSI工作流程,支持Tier 2就绪度。胃肠道、结直肠和肝胆肿瘤学中,HSI已应用于结直肠癌、胃癌、肝癌和胆管癌,应用范围从组织分化到术中肿瘤评估,归类为Tier 2。多器官术中引导方面,研究从临床前组织识别转向更广泛的术中验证和数据集开发,支持Tier 2分类。伤口评估和灌注监测中,HSI正从组织分类转向灌注和生理变化的定量评估,一项随机对照试验使其成为Tier 2中最成熟的非肿瘤学领域。乳腺肿瘤学中,HSI从离体切缘评估扩展到疾病表征、复发分析和术后监测,支持Tier 2就绪度。胃肠病学和内窥镜检查中,研究将HSI从常规组织成像扩展到内窥镜和细胞学应用,但快照集成仍处于实验阶段,归为Tier 2。皮肤病学中,研究展示了从活体癌边缘评估到病理诊断和无标记感染原检测的应用,但由于队列规模小且缺乏多中心验证,归类为Tier 3。