由加州理工学院（Caltech）领导的团队开发了一种安全、有效且无痛的乳腺成像技术，该技术结合了机器学习，有助于区分可疑组织与健康组织。这一方法已在患者身上进行测试，表现与传统乳腺成像技术相当甚至更好。
数十年来，X射线乳腺摄影一直是乳腺癌早期检测的黄金标准。尽管这种方法在降低癌症死亡率方面仍然具有重要价值，但它会使患者暴露于少量电离辐射中，并通过挤压乳房以便X射线更容易穿透组织，导致疼痛。此外，在乳腺致密组织的情况下，还会产生许多假阳性诊断。
其他技术如超声波和磁共振成像（MRI）也可用于乳腺成像，但它们同样存在问题。超声波非常安全，但其准确性依赖于操作者的技能，结果并不总是明确。MRI耗时长、费用高，并且不能用于对造影剂过敏、患有幽闭恐惧症或携带某些植入物的患者。
“我们之所以强烈致力于解决这个问题，是因为目前的技术都不完美，”加州理工学院医学工程与电气工程布伦教授Lihong Wang表示，“医学的未来必须比这更好。”
Wang及其同事在过去20年中开发并完善的技术被称为光声计算机断层扫描（PACT）。它为乳腺成像提供了一种替代方案，无需承受传统评估方法带来的不适、高昂成本或风险。PACT配备激光声学扫描仪，可以在短短15秒内识别肿瘤。
研究团队与位于加利福尼亚州杜阿尔特市的希望之城综合癌症中心（City of Hope Comprehensive Cancer Center）的研究人员合作，对39名患者进行了PACT测试。在区分可疑组织与正常组织以及恶性与良性生长或肿块方面，PACT的表现可与乳腺摄影和MRI相媲美。
科学家们在《自然生物医学工程》期刊上发表的一篇新论文中描述了PACT及其临床结果。该论文的第一作者是加州理工学院Andrew and Peggy Cherng医学工程系的研究生Xin Tong（MS '21）、Cindy Z. Liu和Yilin Luo，以及曾在加州理工学院完成研究工作、现就职于中国浙江大学的Li Lin（PhD '20）。
“这是数十年工作的结晶，”同时担任加州理工学院Andrew and Peggy Cherng医学工程领导主席及医学工程执行官的Wang表示，“我们希望将PACT发展为一种临床工具，造福患者——帮助检测乳腺癌，而无需患者承担患癌风险或担心过敏反应。”
工作原理
PACT通过向乳腺组织发射近红外激光脉冲来工作。激光光扩散到乳腺组织中并被分子吸收。例如，它可以被患者红细胞中的携氧血红蛋白分子吸收，使这些分子以超声波频率振动。
与沿直线传播的X射线不同，光波会在组织内部散射或反弹，因此难以获得高分辨率图像。于是，PACT将光与声音结合为单一模态。“我们用光来观察分子，但用声音来定义空间位置，”Wang说道。
分子振动通过组织传播，并被放置在乳房皮肤上的512个微型超声传感器阵列捕获。这些传感器的数据被用来组装乳房内部结构的图像，这一过程类似于超声成像，但精度更高。PACT可以清晰地显示深度达4厘米、小至0.25毫米的结构。
“我们基本上利用分子来了解身体的生理机能，”Wang说，“这就是光声断层扫描的美妙之处：通过检测分子，我们可以准确了解身体的功能。当功能发生变化时，这意味着我们可能更好地检测疾病。”例如，PACT擅长检测血红蛋白，从而揭示血管生成——这是乳腺癌的一个常见特征，涉及额外血管的生长以向癌细胞输送更多富含营养的血液。PACT还可以检测肿瘤缺氧，这是癌症的另一个特征，快速的新陈代谢超过血液供应，导致肿瘤部分缺氧。
机器学习能检测可疑组织，有时甚至早于人类
随着人工智能（AI）和机器学习的成熟，Wang表示，PACT在检测乳腺组织异常方面的能力比几年前更强。科学家们使用恶性与良性生长或肿块以及可疑与健康组织的图像对系统进行训练，提高了其注意到细微变化的能力，从而判断所成像组织的类型。事实上，Wang指出，PACT通常能够检测到人类眼睛可能忽略的问题特征。
患者体验
在PACT扫描过程中，患者面朝下躺在一张桌子上，桌子的凹槽内装有温水浴、超声波传感器和激光。一次扫描一个乳房，将其放入凹槽中，激光从下方照射。由于该技术速度快，每次扫描可在患者屏住呼吸时完成。
“我们从一个基本的实验室系统开始——只有一个单元素超声换能器，我们需要旋转它，整个过程非常漫长。现在我们可以在一次屏息期间完成3D成像，使其变得非常实用，”Wang说道。
Wang补充道，这项新工作只是个开始，因为团队相信通过添加额外的激光波长（目前使用两种）以及改进其他特性，可以进一步提升成像质量。展望未来，团队的下一步包括从更多乳腺癌志愿者那里获取更大规模的数据集，通过利用更多特征改进分类模型，并最终将该技术商业化。
这篇论文题为《基于学习分类的全景光声计算机断层扫描增强乳腺病变表征》，其他作者包括Peng Hu（PhD '23）和加州理工学院研究生Junfu Zheng；前Wang实验室成员Yide Zhang和Rui Cao；以及希望之城的Jessica Dzubnar、Marta Invernizzi、Stephanie Delos Santos、Jaclene Torres、Armine Kasabyan、Lily Lai和Lisa D. Yee。这项工作得到了美国国立卫生研究院的部分资助。
(全文结束)
