在癌症研究领域，三维细胞培养模型如癌症类器官（cancer organoids）和癌症球体（cancer spheroids）已成为不可或缺的临床前研究工具。这些模型能够模拟原始肿瘤的组织结构和功能复杂性，在致癌机制研究、药物开发和个性化医疗中发挥着重要作用。然而，传统的成像技术如明场显微镜、共聚焦显微镜和多光子显微镜等，在应用于这些三维模型时存在明显局限：需要荧光标记、存在光毒性、成像速度慢，且难以进行长期纵向观察。这些限制严重制约了研究人员对癌症生物学行为的深入探索。
针对这些技术瓶颈，研究人员开发了一种创新的多模态光学相干光声显微镜（OC-PAM）系统，并结合人工智能算法，为三维癌症模型研究提供了全新的解决方案。该研究成果发表在《Light-Science & Applications》期刊上，标志着癌症研究成像技术的重要突破。
研究团队采用的核心技术方法包括：自主研发的光学相干光声显微镜系统，整合了光谱域光学相干显微镜（OCM）和透射模式光声显微镜（PAM）两个子系统；基于深度学习（K-Net网络）的自动分割算法，用于三维癌症类器官的识别和追踪；放射组学纹理特征分析方法，从OCM图像中提取32种纹理参数；XGBoost机器学习分类器，实现对类器官活性的自动分类。实验材料涉及小鼠乳腺癌类器官（KB1P模型）和黑色素瘤细胞（B16-F10）与乳腺癌细胞（4T1）的共培养体系。
纵向成像乳腺癌类器官
研究人员首先利用OCM模式对卡铂处理的乳腺癌类器官进行了长达21天的纵向观察。结果显示，对照组类器官呈现快速连续生长，而处理组大多数类器官生长受到明显抑制。通过自动分割和单类器官追踪算法，研究团队成功识别出三种不同的生长动力学模式：持续快速生长、生长停滞以及典型的药物耐受持久性（DTP）细胞特征的双相生长模式（先停滞后快速增殖）。这种在单类器官水平上的精确追踪，为评估药物疗效和克隆演化提供了前所未有的分辨率。
类器官活性分类
为了突破传统形态学分析的局限，研究团队开发了基于放射组学的活性分类方法。通过吡啶橙和碘化丙啶荧光染色确定类器官活性状态作为金标准，然后从OCM图像中提取纹理特征训练XGBo分类器。结果显示，该分类器的受试者工作特征曲线下面积（AUC）达到90%，表明仅凭无标记的OCM图像数据就能有效区分类器官的活性状态。最重要的九个纹理特征包括"和熵"、"游程百分比"和"联合熵"等，这些特征反映了类器官内部结构的复杂性变化。
互补OCM与PAM用于二维细胞培养中的稀有细胞检测
为了验证OC-PAM系统在分子对比度方面的优势，研究人员将黑色素瘤细胞与无黑色素表达的乳腺癌细胞以不同比例混合进行二维培养。OCM提供形态学信息，而PAM通过检测黑色素的光吸收特性，成功识别出单个黑色素瘤细胞。这一结果表明，即使在没有外源对比剂的情况下，PAM也能提供特异性的分子信息。
OC-PAM球体成像
在三维球体共培养实验中，研究人员将不同比例的黑色素瘤细胞与乳腺癌细胞混合形成球体。OC-PAM成像清晰显示了黑色素阳性细胞在球体内的分布情况，即使在黑色素瘤细胞比例低至1%的情况下，仍能准确检测到稀有细胞的存在。与明场显微镜相比，OCM提供了更精细的细胞水平结构信息，而PAM则通过分子特异性对比度，实现了对稀有细胞的空间定位。
研究讨论部分强调，OC-PAM系统结合AI分析的优势在于其非侵入性、无标记和高通量的特性，使其特别适合长期纵向研究。OCM提供的结构信息与PAM的分子对比度形成完美互补，而AI算法则实现了从群体水平到单细胞水平的定量分析。这种多层次的解析能力对于研究药物耐受机制和癌症异质性具有重要意义。
尽管当前系统在三维配准和成像深度方面仍存在挑战，但研究人员已规划了多项改进方案，包括使用贝塞尔光束扩展成像深度、开发反射模式PAM以及整合动态OCT功能等。这些改进将进一步提升系统性能，扩大其应用范围。
该研究的创新性在于首次将放射组学分析方法应用于类器官活性评估，实现了无标记的类器官状态监测；同时通过OC-PAM多模态成像，在三维模型中实现了稀有细胞检测。这些技术突破为癌症药物筛选、耐药机制研究和个性化医疗提供了强大工具，有望加速抗癌药物的开发进程。
综上所述，这项研究不仅开发了一种新型的多模态成像平台，更重要的是建立了一套完整的从图像获取到定量分析的工作流程，为三维癌症模型研究提供了全新的技术范式。随着技术的进一步完善和推广，OC-PAM结合AI分析有望成为癌症研究领域的标准工具，推动癌症基础研究和临床转化取得新的突破。
