Clear Sky Science · pl

Wirtualne barwienie całych preparatów bez znaczników z użyciem mikroskopii PARS z podwójnym wzbudzeniem ultrafioletowym

· Powrót do spisu

Oglądanie tkanek bez ich niszczenia

Gdy lekarze diagnozują choroby, takie jak rak czy uszkodzenie nerek, często bazują na cienkich skrawkach tkanek pociemnionych chemicznymi barwnikami. Te barwienia uwidaczniają ukryte struktury, ale trwałe modyfikują lub zużywają próbkę, co stanowi problem, gdy dostępny jest tylko niewielki wycinek biopsji. W badaniu tym przedstawiono sposób „cyfrowego barwienia” tkanek za pomocą światła i sztucznej inteligencji, tworząc obrazy przypominające klasyczne preparaty histopatologiczne bez użycia jakiegokolwiek barwnika.

Dlaczego tradycyjne barwienia mają zalety i wady

Chemiczne barwniki, takie jak hematoksylina i eozyna, czy specjalne barwienia uwidaczniające kolagen, węglowodany i struktury nerkowe, są filarem współczesnej patologii. Uczyniają przeźroczyste tkanki widocznymi i są niezbędne przy diagnozowaniu raka, zakażeń i uszkodzeń narządów. Jednak te techniki są destrukcyjne: ten sam skrawek zwykle nie nadaje się do ponownego barwienia ani do zaawansowanych badań molekularnych, a wielokrotne barwienia szybko pochłaniają cenne materiały biopsyjne. Każde barwienie wymaga też precyzyjnej pracy laboratoryjnej, wykwalifikowanego personelu i może wydłużyć czas oczekiwania na wynik o godziny lub dni.

Obrazowanie świetlne, które „czyta” samą tkankę

Naukowcy użyli wyspecjalizowanego mikroskopu o nazwie Photon Absorption Remote Sensing (PARS), który mierzy, jak cząsteczki tkanek absorbują i oddają energię w odpowiedzi na światło ultrafioletowe. W tym podejściu połączono dwa kolory UV — jeden o krótszej długości fali i drugi nieco dłuższy — i naprzemiennie ekscytowano nimi to samo miejsce na preparacie. Każne impulsy generują zarówno sygnały związane z ogrzewaniem, jak i słabe emisje fluorescencyjne, co daje cztery odrębne kanały informacji z tej samej lokalizacji. Jedna długość fali jest szczególnie czuła na DNA w jądrach komórkowych, natomiast druga uwydatnia kolagen, elastynę, czerwone krwinki i ciemne barwniki, takie jak melamina. Wspólnie mapują jądra, tkankę podporową, krew i pigment w sposób przypominający — a czasem rozszerzający — to, co patolodzy obserwują przy tradycyjnych barwieniach.

Figure 1
Figure 1.

Nauczanie komputerów „malarstwa” wirtualnych barwień

Zbieranie bogatych sygnałów optycznych to tylko połowa zadania; drugą jest przekształcenie ich w obrazy wyglądające jak standardowe preparaty. W tym celu zespół użył frameworku uczenia głębokiego o nazwie RegGAN. Najpierw wykonano obrazy niebarwionych skrawków za pomocą PARS, a następnie ten sam szkiełkowy skrawek chemicznie zabarwiono i zeskanowano konwencjonalnym skanerem brightfield. Po starannym wyrównaniu tych sparowanych obrazów wytrenowano sieci neuronowe do przekształcania wielokanałowych obrazów PARS w wersje naśladujące konkretne barwienia, w tym rutynowe hematoksylinę i eozynę oraz Masson trichrome, PAS i Jones methenamine silver. Osobne modele szkolono dla każdego barwienia, tak aby pojedynczy, pozbawiony znaczników preparat mógł później zostać „wirtualnie zabarwiony” na żądanie kilkoma różnymi sposobami.

Co ujawniają wirtualne preparaty

W badaniach na tkankach ludzkich i mysich — obejmujących nowotwory nerek, czerniaka, grzybicze zakażenia skóry i narządy prawidłowe — wirtualne barwienia wiernie odwzorowywały obrazy chemicznych odpowiedników. Granice guza, kształty jąder komórkowych, bliznowata tkanka bogata w kolagen, czerwone krwinki, strzępki grzybni i subtelne struktury nerkowe pojawiały się z wysoką wiernością, gdy obie długości fal UV były użyte razem. Ilościowe miary jakości obrazu potwierdziły, że połączenie dwóch wzbudzeń przewyższało stosowanie tylko jednego, zwłaszcza dla struktur takich jak kolagen, krwinki czy elementy grzybicze, które korzystają z dodatkowego kontrastu dostarczanego przez dłuższą falę. W małym, zaślepionym badaniu trzech doświadczonych patologów oceniło zarówno rzeczywiste, jak i wirtualne obrazy głównie jako dobre lub doskonałe pod względem jakości diagnostycznej wizualnej, i nie byli w stanie wiarygodnie odróżnić, które obrazy były chemicznie barwione, a które wirtualne.

Mocne strony, ograniczenia i przyszły potencjał

Pomimo obiecujących wyników metoda nie jest jeszcze gotowa do zastąpienia rutynowych skanerów preparatów. Obecny system PARS jest powolny — zajmuje godziny, by pokryć obszar, który skaner kliniczny może zarejestrować w minutach — a wszystkie dane pochodziły z jednego układu obrazującego i jednego laboratorium barwiącego. Ocena skupiła się na podobieństwie wizualnym i wybranych mierzalnych cechach, a nie na pełnym sprawdzeniu decyzji klinicznych w wielu ośrodkach i na wielu pacjentach. Niemniej podejście ma unikalną zaletę: ponieważ obrazowanie bez znaczników nie uszkadza tkanki, ten sam skrawek można później zabarwić tradycyjnymi barwnikami lub wykorzystać do testów molekularnych, a z jednego skanu można wygenerować wiele wirtualnych barwień.

Figure 2
Figure 2.

Co to oznacza dla pacjentów i lekarzy

Mówiąc prosto, badanie pokazuje, że możliwe jest „odczytanie” tkanki wyłącznie za pomocą światła, a następnie użycie sztucznej inteligencji do odtworzenia znajomych kolorów i wzorców, którym patolodzy ufają, wliczając kilka różnych barwień z jednego skrawka. System PARS z podwójnym kolorem dostarcza wystarczająco dużo informacji, aby wirtualnie uwydatnić jądra, tkankę podporową, krew, pigment i wyspecjalizowane struktury nerkowe bez użycia ani kropli barwnika. Przy szybszym sprzęcie i większych, wieloośrodkowych badaniach ta technologia mogłaby stać się wartościowym uzupełnieniem standardowej patologii, oszczędzając cenne biopsje i oferując patologom bogatszy, niedestrukcyjny widok choroby.

Cytowanie: Tweel, J.E.D., Ecclestone, B.R., Tummon Simmons, J.A. et al. Label-free whole slide virtual multi-staining using dual-excitation photon absorption remote sensing microscopy. npj Imaging 4, 22 (2026). https://doi.org/10.1038/s44303-026-00154-x

Słowa kluczowe: wirtualne barwienie, mikroskopia bez znaczników, patologia cyfrowa, obrazowanie ultrafioletowe, uczenie głębokie w histologii