打开APP

Adv Sci:汕头大学周本青等通过AI赋能智能纳米探针,实现HER2阳性肿瘤边界高精准磁共振成像勾画

  1. 肿瘤-正常组织信号比(TNR)
  2. 深度卷积神经网络(CNNs)
  3. 乳腺癌

来源:iNature 2026-09-30 08:41

乳腺癌仍是全球女性癌症相关死亡的首要诱因,精准诊断与清晰的肿瘤边界划分是实现有效治疗的关键。

乳腺癌仍是全球女性癌症相关死亡的首要诱因,精准诊断与清晰的肿瘤边界划分是实现有效治疗的关键。

2026年8月24日,汕头大学周本青、卢宏伟、马祥园、上海交通大学医学院王中领共同通讯在Advanced Science(IF=14.1)在线发表题为AI-Assisted Tumor Boundary Delineation via Targeted Ultrasmall Iron Oxide Nanoprobe for High-Contrast HER2-Positive Tumor Imaging的研究论文。

本研究构建一套整合新型超高灵敏度磁共振(MR)造影剂与深度学习技术的一体化平台,可大幅提升肿瘤-正常组织信号比(TNR)。本研究制备偶联曲妥珠单抗的超小型氧化铁纳米颗粒(USIONPs),用于HER2阳性乳腺癌靶向MR成像。

USIO@Tmab纳米探针具备优异的HER2靶向特异性与pH响应激活特性;生理环境下该探针呈低T1加权弛豫效能(r1=1.43mM⁻¹s⁻¹),而在酸性肿瘤微环境中,Tmab蛋白发生脱落,弛豫效能提升至r1=4.07mM⁻¹s⁻¹。

此外,本研究采用3DnnU-Net深度学习框架作为后处理可视化辅助工具,通过图像融合优化肿瘤边界识别,而非直接放大原始磁共振成像(MRI)信号。该方法分割精度优异,交并比(IoU)达0.88,戴斯系数为0.93。

整套方案可将TNR额外提升2.59倍,并支持三维(3D)肿瘤模型重建,为临床医师直观呈现肿瘤结构,助力精准诊断与手术导航。

图片

乳腺癌是全球确诊率最高的癌症,同时也是造成女性癌症相关死亡的主要原因。在其各亚型中,人表皮生长因子受体2(HER2)阳性乳腺癌约占全部病例的20%,该亚型侵袭性与转移潜能高,患者预后较差。因此,包含肿瘤边界精准勾画在内的精准诊断是实现有效治疗的关键前提。目前乳腺癌的临床诊断主要依靠超声与磁共振成像(MRI)等影像学技术。

MRI凭借高空间分辨率、无创性以及优异的软组织分辨能力,被公认为性能最强大的影像学技术之一。想要获得较高的诊断灵敏度,通常需要使用造影剂。现阶段,钆(Gd)基T1加权造影剂是临床金标准,但该类造影剂存在诸多局限,包括血液循环半衰期短,限制成像时间窗口、组织非特异性分布,以及高剂量下存在潜在肾毒性。

直径小于5 nm的超小型氧化铁(USIO)纳米颗粒(NPs)是一类极具应用前景的替代方案,作为T1造影剂,其具备良好的生物相容性,且易于开展表面功能化修饰。为进一步提升诊断精度,研究提出假说:可利用人工智能(AI)算法对MR图像开展后处理,从而大幅提升MRI的肿瘤‑正常组织信号比(TNR),实现肿瘤边界的精准自动勾画。

深度卷积神经网络(CNNs)是AI算法的重要分支,推动了医学图像分析领域的重大进步,在复杂分割任务中表现出优异性能。将CNNs用于乳腺癌诊断的研究由来已久,最早可追溯至1995年的开创性工作,自此之后,大量结构愈发复杂的网络模型得到开发与应用用于乳腺癌的诊断与分型,显著提升早期检测的效率与准确度。在上述先进框架中,no‑new‑Net(nnU‑Net)是一款功能强大、可自动配置的开源工具,专门面向生物医学图像分割开发。

nnU‑Net的核心创新点在于可实现分割全流程自动化,涵盖数据集配置、预处理、网络架构适配、模型训练以及后处理,最大程度降低人工操作与专家调参的需求。该模型凭借优秀的泛化能力与简洁的工作流,为语义分割竞赛设立了新基准。与此同时,肿瘤分割技术也从人工勾画逐步发展至半自动、全自动方案,基于深度学习的方法占据越来越重要的地位。上述技术进步为实现更精准、高效、可复现的肿瘤诊断奠定基础,在乳腺癌领域具备很高应用价值。

图片

图形摘要(摘自Advanced Science )

近年来,靶向递送联合pH响应释放的整合策略得到广泛研究,用于优化肿瘤的诊断与治疗。本研究将USIONPs与曲妥珠单抗偶联,制备得到靶向型pH响应纳米探针;Tmab为人源化单克隆抗体,可特异性结合肿瘤细胞高表达的HER2受体。制备所得USIO@TmabNPs具备良好的肿瘤靶向特异性与生物相容性。

本研究证实,USIO@Tmab纳米探针联合AI深度学习框架可显著提升MRI的TNR。USIO@Tmab纳米探针具备pH激活特性:即在正常组织中以T1造影前体形式处于静息状态,而在酸性肿瘤微环境(TME)中被激活。

该激活过程伴随USIONPs释放,能够特异性提升肿瘤区域的T1加权信号。最终,该集成技术能够将已完成分割的2D切片重建为精细的3D肿瘤模型,精准勾勒肿瘤边界并获取肿瘤体积。现有绝大多数基于AI与深度学习的分割相关报道,主要针对已采集完成的医学图像开展处理。

本研究的创新之处在于将新开发的高灵敏度造影剂与AI驱动的图像分析框架进行协同整合。具体而言,本研究采用pH响应、HER2靶向的T1加权纳米探针(USIO@TmabNPs),搭配先进深度学习框架(3DnnU‑Net),实现肿瘤边界的高灵敏测绘。这套集成方案为HER2阳性乳腺癌的精准诊断与术中手术导航提供了可靠的技术平台。

参考消息:https://doi.org/10.1002/advs.77355

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->