医疗科研新突破 | 菁易科研解读多模态成像与机器学习识别乳腺癌切缘标志物

Fast multimodal imaging combined with machine learning identifying taurine as a potential marker for breast cancer margin assessment.

研究背景

乳腺癌是常见恶性肿瘤，保乳手术是早期标准疗法，准确评估手术切缘是关键，但缺乏快速可靠的术中评估方法。本研究探索结合多模态成像与机器学习的新方法，识别乳腺癌切缘评估的潜在生物标志物。

方法速览

1. 采用飞秒无标记成像（FLI）显微镜对新鲜和固定的乳腺癌及邻近非癌乳腺组织成像。
2. 结合基质辅助激光解吸/电离质谱成像（MALDI MSI）分析组织分子特征。
3. 用随机森林、决策树、支持向量机和XGBoost四种机器学习算法构建分类模型。

主要发现

1. 多模态成像优势：FLI成像能不染色、不切片描绘细胞结构，与传统H&E染色高度一致，在脂肪与肿瘤边界识别上更优，成像深度大、速度快，可快速描绘阴性切缘。
2. 质谱成像分辨分子：MALDI MSI从分子层面区分乳腺癌与邻近非癌组织，揭示肿瘤核心与基质区域代谢物分布异质性。
3. 研究筛选出牛磺酸、苏糖酸和谷氨酸三种最具判别能力的代谢物，牛磺酸作为标志物稳定性好。
4. 牛磺酸评估切缘：牛磺酸在肿瘤核心表达最高，其强度随距离增加而降低，可区分不同切缘状态，还可能反映肿瘤恶性程度。
5. 牛磺酸促瘤作用：体外实验表明，牛磺酸促进乳腺癌细胞增殖、抑制凋亡，使细胞周期从G1期向S期转移。

总结展望

本研究首次结合FLI显微镜、MALDI MSI和XGBoost模型，实现乳腺癌组织快速无标记成像与分子特征识别。牛磺酸可作为评估乳腺癌切缘的生物标志物，有潜在临床价值。不过，研究存在部分代谢物未注释、样本量需扩大、缺乏真实对照组织等局限，未来需多中心验证该方法的可推广性。