编辑推荐：
在舌鳞状细胞癌（TSCC）手术中，深切缘阳性会显著增加局部复发风险，当前术中评估切缘状态的方法存在诸多不足。研究人员开展了将拉曼成像技术与人工智能（AI）生成模型相结合的研究，该方法诊断准确率达 86.7%，有望改善术中评估。
在口腔疾病的治疗领域，舌鳞状细胞癌（TSCC）是个棘手的难题。舌头是口腔鳞状细胞癌（OSCC）的高发部位，TSCC 约占所有 OSCC 病例的一半。目前，手术切除是 TSCC 的主要治疗方式，目的是广泛切除肿瘤，清除残留癌细胞。然而，手术切缘若存在癌细胞（即阳性手术切缘），会使局部复发风险增加 90%，5 年总死亡率也会大幅上升 。医生们在手术时面临两难抉择，既要保证足够的手术切缘以防止癌细胞残留，又要尽量减少对正常组织和功能的损伤。因为过度切除会严重影响舌头的语言、味觉和吞咽等功能，降低患者生活质量。所以，术中精准分析深手术切缘对评估肿瘤切除是否充分、确保切缘阴性以预防癌细胞残留至关重要。但目前，术中确定深手术切缘非常困难，常用的评估肿瘤深部浸润的指标，如淋巴管浸润等，无法通过肉眼观察或触诊获得 。传统的术中新鲜冰冻切片（FFS）虽然是评估肿瘤切缘的标准方法，能生成苏木精 - 伊红（H&E）染色图像辅助诊断，但存在诸多缺陷，如采样时组织易变形、染色时间受限、显微镜下易误判等。术后标准病理标本处理虽能获得高质量 H&E 图像，但流程繁琐、耗时久，通常需要 12 - 48 小时。因此，开发一种快速、无创、体内检测的术中手术切缘分析方法迫在眉睫。
为了解决这些问题，四川大学华西口腔医院、厦门大学附属第一医院等机构的研究人员开展了一项创新研究。他们将拉曼成像技术与人工智能（AI）生成模型相结合，提出了一种全新的术中切缘状态诊断方法。该研究成果发表在《International Journal of Oral Science》上，为 TSCC 的术中评估带来了新的希望。
研究人员主要运用了以下关键技术方法：
- 样本采集：收集了 15 例 TSCC 患者手术切除标本中的肿瘤组织和相应正常肌肉组织，其中 12 例患者的样本用于训练和验证模型，3 例患者的样本作为独立测试集评估模型 。
- 拉曼成像：使用 Nanophoton Raman - 11 激光拉曼显微镜对组织切片进行成像，每个组织切片选取 8 个扫描区域，扫描时间短，能快速获取拉曼图像 。
- 模型构建：开发了 ImgAlignNet 模型和扩散模型。ImgAlignNet 模型借鉴 ViT 的机制和 VQ - VAE、SVM 的概念，用于捕捉和对齐拉曼图像与 H&E 图像的特征；扩散模型则利用 ImgAlignNet 模型的输出，将随机噪声分布转化为连贯的 H&E 图像结构 。
研究结果如下：
- 成像流程对比：对比组织病理成像和拉曼成像过程，发现拉曼成像样本处理流程更简单，单个扫描区域（50μm×400μm）的成像时间从组织病理成像的数小时缩短至 2.5 分钟 。
- 图像特征分析：H&E 图像能清晰显示 TSCC 组织和正常组织的病理特征，如 TSCC 组织的鳞状细胞多形性、角化珠形成和癌细胞浸润等，正常组织的肌肉细胞条纹结构等；拉曼成像虽能反映组织中物质成分变化，但难以直观用于病理诊断 。
- AI 模型开发：开发的 ImgAlignNet 模型和扩散模型，通过训练和优化，能将拉曼图像转化为 H&E 图像。研究人员使用 12 例患者的样本（包括 H&E 图像和拉曼图像）训练模型，并用 3 例患者的样本进行测试 。
- 生成结果评估：三位病理学家独立审查生成的 H&E 图像，结果显示，生成的 H&E 图像与真实 H&E 图像的一致性约为 80%，整体诊断准确率达到 86.7%。对于不同临床指标的肿瘤样本，模型生成的 H&E 图像判别能力存在差异，在评估淋巴结转移或中等分化等级的 TSCC 样本时表现更优 。
- 肿瘤不同阶段评估：进一步研究发现，对于淋巴结转移阳性的 TSCC 样本，模型生成的 H&E 图像更准确；对于高分化和中分化的 TSCC 样本，模型也能准确生成相应病理特征，但对于低分化样本，模型生成的图像准确性欠佳 。
研究结论与讨论部分指出，拉曼光谱能够在细胞形态发生显著改变之前检测到生物分子的结构或组成变化，被称为 “分子指纹”，在疾病诊断中具有重要潜力。该研究提出的方法能有效区分舌鳞癌组织和正常肌肉组织，对 TSCC 手术切缘评估具有重要临床意义，为实现术中快速、准确的病理诊断提供了新途径。不过，目前的模型也存在一些局限性，如 ImgAlignNet 模型对颜色特征的偏好可能导致对某些关键特征的忽视，扩散模型生成图像的变异性等。未来研究可通过增加样本数量、更详细的像素级标记以及改进模型结构等方式进一步优化，有望在更复杂的诊断场景中发挥更大作用，提高对 TSCC 等疾病的诊断准确性和治疗效果，为患者带来更好的预后。
