美国伊利诺伊大学厄巴纳-香槟分校（University of Illinois at Urbana-Champaign，缩写为UIUC）开发的红外-光学混合显微镜平台将为癌症病理学提供全数字解决方案。
据麦姆斯咨询报道，UIUC的一项研究展示了红外-光学混合（IR-OH）显微镜如何将全数字活检工作流程用于多种组织分析应用。该研究的目的是创建一种光学混合平台，既能保留光学显微镜的易用性和普遍适用性，同时又能增加大范围红外分子对比能力。该研究结果以“All-digital histopathology by infrared-optical hybrid microscope”为题，于2020年2月18日发表在PNAS上。论文地址为：https://www.pnas.org/content/117/7/3388。
研究的主要内容
UIUC的Rohit Bhargava领导的研究团队，通过在光学相机上添加红外激光器和干涉物镜（干涉光谱系统的关键组件），研发出这种混合显微镜（即为红外-光学混合显微镜）。该显微镜可生成混合测量红外数据，同时也生成高分辨率光学图像。
“我们利用现成的元器件构建出了该款混合显微镜。”本研究的第一作者、UIUC的Martin Schnell解释道，“这很重要，因为这样就能使其他人轻松构建自己的显微镜或升级现有的系统。”
实验中，研究人员评估了健康和癌变的乳腺癌组织，并将混合显微镜计算染色得到的结果与传统染色技术的结果进行了比较。根据UIUC研究结果显示，数字化活检与传统活检密切相关（如下图）。
研究人员在其发表的论文中总结道：与传统的红外显微镜相比，红外-光学混合系统在空间分辨率上提升了四倍；同时由于红外-光学混合系统减少了散射效应，光谱一致性也得到了改善。
“这些研究进展共同努力的结果是，在可见光显微镜平台上就能看到未染色乳腺组织切片的完整红外吸收图像。”研究人员指出，“我们的研究表明，自动组织病理学分割并生成计算染色图像是可能实现的，这样可以解决颜色和空间细节等的形态学特征，并能与目前的病理学诊断相媲美，但是没有染色或人为解读。”
进一步优化机器学习程序
该研究进展可能使红外-光学混合显微镜成为传统基于染色诊断的经济有效的替代方案，并可实现全数字无染色的病理学程序，这非常适于当前临床和研究病理学实践。
“在生物医学应用中，红外-光学混合显微镜与传统显微镜广泛兼容。”Schnell说，“我们将光学显微镜的易用性和普遍适用性与大范围红外分子对比、机器学习相结合。通过这样，希望能改变我们日常处理、成像和理解微观组织结构的方式。”
未来的研究工作可能涉及进一步完善用于分析混合图像的计算工具。优化的机器学习程序最终将能够实现测量多种红外波长、生成容易区分多种细胞类型的图像，并将这些数据与详细的光学图像相匹配，用以精确展现样本内的癌症。
该研究团队还计划探索其混合显微镜法的更多应用，如法医、高分子科学和其他生物医学应用。
“对于病理诊断，这些补充细节所能提供的信息将非常吸引人。”Rohit Bhargava说，“这将有助于加快诊断结果的输出速度，降低试剂和人为组织染色的成本，并为癌症病理学提供全数字解决方案。”
