病理检查在临床工作和科学研究中应用广泛,手术病理检查能明确诊断、验证术前判断,还能决定治疗方案和估计预后。病理切片作为病理标本的一种,其制作需要将病变组织或脏器经过化学品处理、固定硬化,再切成薄片并染色,最后在显微镜下观察以作出病理诊断。然而,传统的苏木精 - 伊红(HE)染色法虽然应用广泛,但在实际制作过程中,由于一些病理技术人员未经过严格系统培训,操作经验不足,常出现切片脱落、染色不均匀、模糊不清、皱褶及细胞核浆对比不明显等问题,影响诊断结果。而且,传统染色流程耗时较长,还容易引入人工误差,这使得简化切片制作过程变得十分必要。
组织的病变过程会导致组织结构在细胞和亚细胞层次发生变化,进而引起组织光谱的迁移。无需修蜡的病理切片技术正是基于这一原理,将传统的二维成像技术与光谱技术有机结合,同时提供观测目标的二维空间信息及一维光谱信息。通过光谱数据分析,可以获取组织的形态结构及化学组分。例如,当细胞发生病变时,其内部的化学成分和结构会发生改变,这些改变会反映在光谱特征上。该技术利用高光谱成像技术,采集未染色组织的三维光谱数据,然后结合神经网络算法,实现对病变区域的智能识别。这样一来,就省去了复杂的染色步骤,既提高了检测效率,又降低了检测的主观性。
国际上,Siddiqianwerm 等人使用显微光谱成像仪获取染色宫颈癌切片的高光谱数据,通过训练最小二乘支持向量机算法对切片进行机器识别,灵敏度和特异性均可达 90%以上。国内青岛市光电工程技术研究院也使用类似方法对肝癌切片进行识别,取得了较好的识别效果。虽然这些方法仍需要对切片进行染色,但为无需修蜡的病理切片技术的发展提供了一定的参考。目前,已经有基于高光谱成像与深度卷积神经网络的无染色切片自动分割方法出现,该方法通过计算机控制采集未染色组织的三维光谱数据,结合神经网络算法实现病变区域智能识别,在肝癌切片的识别中表现出了良好的效果。
随着科技的不断进步,无需修蜡的病理切片技术具有广阔的发展前景。一方面,该技术可以与其他先进技术相结合,如人工智能、大数据等,进一步提高诊断的准确性和效率。例如,利用人工智能算法对大量的病理切片数据进行分析和学习,不断优化识别模型,提高病变区域的识别精度。另一方面,该技术的应用范围可以不断扩大,不仅可以应用于癌症的诊断,还可以应用于其他疾病的诊断,为医学研究和临床诊断提供更多的支持。