光聲計算斷層掃描成像技術13秒內(nèi)快速完成全乳三維成像
光聲計算斷層掃描（PACT）作為一種結(jié)合光學對比度與超聲高空間分辨率的生物醫(yī)學成像技術，為乳腺癌診斷提供了新的解決方案。本研究由Xin Tong、Cindy Z. Liu、Yilin Luo、Li Lin等學者合作完成，論文題為《Panoramic photoacoustic computed tomography with learning-based classification enhances breast lesion characterization》，于2025年6月在《Nature Biomedical Engineering》期刊正式發(fā)表。研究團隊通過全景PACT系統(tǒng)對39名患者（共78個乳房）進行成像，結(jié)合機器學習算法提取血管形態(tài)特征，實現(xiàn)了對乳腺病灶的精準分類與分割。該系統(tǒng)在單次13秒的屏息時間內(nèi)即可完成全乳成像，無需電離輻射或外源性對比劑，為致密乳腺組織的診斷提供了新思路。
本研究的重要貢獻者包括Xin Tong、Cindy Z. Liu、Yilin Luo、Li Lin、Jessica Dzubnar、Marta Invernizzi、Stephanie Delos Santos、Yide Zhang、Rui Cao、Peng Hu、Junfu Zheng、Jaclene Torres、Armine Kasabyan、Lily L. Lai、Lisa D. Yee及Lihong V. Wang。研究通過臨床驗證表明，PACT在區(qū)分可疑病灶與正常組織時接收者操作特征曲線下面積（AUROC）達0.89，與現(xiàn)有影像標準相當，且能通過13個關鍵特征進一步區(qū)分良惡性病變。
重要發(fā)現(xiàn)
01技術原理與成像優(yōu)勢
光聲計算斷層掃描利用脈沖激光照射生物組織，吸收光能后產(chǎn)生的超聲信號被環(huán)形陣列探測器捕獲，通過反投影算法重建三維血管網(wǎng)絡。本研究采用的全景PACT系統(tǒng)配備512元素全環(huán)超聲換能器陣列（中心頻率2.25 MHz），結(jié)合1064 nm和755 nm雙波長激光光源，可穿透至4 cm深度，分辨率達258 μm。與乳腺X線攝影相比，PACT無需壓迫乳房即可獲得全景圖像，尤其適用于致密型乳腺（BI-RADS密度分級C-D級）的病灶檢測。系統(tǒng)通過單次屏息掃描獲取全乳容積數(shù)據(jù)，避免了呼吸運動偽影，同時通過血流動力學特征提供功能學信息。
研究團隊從PACT圖像中提取了42個定量特征，包括一維統(tǒng)計特征（如標準差、四分位距）、二維形態(tài)特征（血管密度、各向異性調(diào)制熵）以及動態(tài)特征（組織應變分布）。通過對比健康象限（HQ）與可疑病灶象限（SQ）發(fā)現(xiàn)，惡性病變區(qū)域呈現(xiàn)顯著更高的血管密度（P<0.001）和熵值（P=0.002），提示腫瘤血管生成導致的結(jié)構(gòu)紊亂。例如，浸潤性導管癌（IDC）病灶周圍可見迂曲的滋養(yǎng)血管網(wǎng)絡，而良性纖維瘤則表現(xiàn)為血管拉伸或位移，但無密集新生血管。
03機器學習分類模型
基于XGBoost算法構(gòu)建的二元分類器在訓練集上經(jīng)過5輪交叉驗證，最終篩選出13個重要性最高的特征（包括血管端點數(shù)量、Hu矩不變量等）。模型在測試集上達到AUROC 0.89的峰值性能，靈敏度為72%，特異性達91%。主成分分析顯示，前6個主成分之和可有效區(qū)分活檢證實的良性象限（BQ）與惡性象限（MQ），t-SNE降維可視化進一步驗證了特征空間的聚類分離效果。
04病灶定位與分割
研究提出半自動分割流程：首先通過Gabor濾波和K均值聚類生成粗略病灶掩膜，再由三名經(jīng)過訓練的醫(yī)師獨立標注精細邊界框，最后輸入預訓練的MedSAM模型輸出分割結(jié)果。與超聲、MRI的臨床測量結(jié)果對比，PACT估算的病灶長軸長度相關性達r²=0.77（范圍3-50 mm），證明了其定量測量的可靠性。
創(chuàng)新與亮點
01突破傳統(tǒng)成像局限
PACT技術首次實現(xiàn)了在無電離輻射前提下，對全乳血管網(wǎng)絡進行全景式三維成像。傳統(tǒng)乳腺X線攝影對致密乳腺的靈敏度不足50%，而PACT通過血紅蛋白內(nèi)源性對比機制，在各類乳腺密度中均保持穩(wěn)定的成像性能。雙波長設計（1064 nm/755 nm）進一步拓展了功能成像潛力，755 nm對氧合血紅蛋白的高敏感性為未來血氧定量分析奠定基礎。
02動態(tài)功能成像創(chuàng)新
本研究首次將呼吸門控技術應用于乳腺PACT彈性成像。通過監(jiān)測自然呼吸過程中乳腺組織的微變形，計算局部應變分布圖。惡性病灶因其較高剛度表現(xiàn)為應變減弱區(qū)域，該特征與臨床超聲彈性成像原理一致，但避免了外部壓縮帶來的人工偽影。動態(tài)幀率20 Hz的時序成像能力，為評估腫瘤治療響應提供了新維度。
03人工智能驅(qū)動診斷
研究構(gòu)建的機器學習框架實現(xiàn)了從特征提取到病灶分割的全流程自動化。其中各向異性調(diào)制熵（AME）等創(chuàng)新特征參數(shù)，有效量化了腫瘤血管的形態(tài)異質(zhì)性。與既往僅依賴灰度統(tǒng)計的方法相比，結(jié)合拓撲特征的分類模型顯著提升了對微小病灶的檢測能力（AUROC提升0.12-0.15）。該方法在四弧PACT系統(tǒng)上的遷移驗證（AUROC 0.82）證明了其跨平臺的通用性。
作為低成本、無創(chuàng)的隨訪工具，PACT可減少BI-RADS 3類病灶的短期復查頻率，并降低BI-RADS 4類病變的良性活檢率（特異性較超聲提升約15%）。系統(tǒng)占地面積小于4×6英尺，無需屏蔽機房等特殊基建，適于社區(qū)醫(yī)院推廣。通過模塊化設計降低硬件成本后，有望成為乳腺篩查的重要補充手段。
總結(jié)與展望
本研究系統(tǒng)驗證了全景光聲計算斷層掃描在乳腺病灶定性診斷、定量分析和長期隨訪中的臨床應用價值。通過機器學習算法挖掘血管形態(tài)特征，實現(xiàn)了對良惡性病變的精準區(qū)分，其診斷效能與現(xiàn)有影像標準相當，且具備無輻射、無創(chuàng)、快速成像等獨特優(yōu)勢。隨著硬件成本下降和人工智能輔助診斷系統(tǒng)的完善，PACT技術有望重塑乳腺影像檢查流程，成為個體化癌癥篩查的重要一環(huán)。
聲明：本文僅用作學術目的。
Byers P, Kellerer T, Li M, Chen Z, Huser T, Hellerer T. Super-resolution upgrade for deep tissue imaging featuring simple implementation. Nat Commun. 2025 Jun 25;16(1):5386.
DOI:10.1038/s41551-025-01435-3.
