Clear Sky Science · pt

Coloração virtual de lâminas inteiras sem marcadores usando microscopia PARS de excitação dupla por absorção de fótons

· Voltar ao índice

Ver os tecidos sem destruí‑los

Quando médicos diagnosticam doenças como câncer ou lesão renal, eles frequentemente dependem de fatias finas de tecido coradas com corantes químicos. Essas colorações revelam estruturas escondidas, mas alteram permanentemente ou consomem a amostra, o que pode ser problemático quando só há uma biópsia minúscula disponível. Este estudo apresenta uma maneira de “colorir digitalmente” o tecido usando luz e inteligência artificial, criando imagens de patologia com aparência familiar sem aplicar qualquer corante.

Por que as colorações tradicionais são uma bênção ambígua

Corantes químicos como hematoxilina e eosina, ou tinturas especiais para colágeno, carboidratos e estruturas renais, são os pilares da patologia moderna. Eles tornam tecidos transparentes visíveis e são indispensáveis para diagnosticar câncer, infecções e danos a órgãos. Mas essas colorações são destrutivas: a mesma lâmina geralmente não pode ser recolorada nem usada em testes avançados, e múltiplas colorações rapidamente consomem material valioso de biópsia. Cada coloração também exige trabalho de laboratório cuidadosamente controlado, pessoal treinado e pode acrescentar horas ou dias ao tempo até o diagnóstico.

Imagem baseada em luz que lê o próprio tecido

Os pesquisadores usaram um microscópio especializado chamado Photon Absorption Remote Sensing (PARS), que lê como as moléculas do tecido absorvem e liberam energia da luz ultravioleta. Neste trabalho, combinaram duas cores ultravioleta, uma em comprimento de onda mais curto e outra ligeiramente mais longa, e as dispararam em padrão entrelaçado no mesmo ponto do tecido. Cada pulso produz sinais térmicos e emissões fracas semelhantes a fluorescência, fornecendo quatro canais distintos de informação do mesmo local. Um comprimento de onda é especialmente sensível ao DNA nos núcleos celulares, enquanto o outro destaca colágeno, elastina, glóbulos vermelhos e pigmentos escuros como melanina. Juntos, eles mapeiam núcleos, tecido de sustentação, sangue e pigmento de maneiras que se assemelham e até ampliam o que patologistas veem com colorações tradicionais.

Figure 1
Figure 1.

Ensinando computadores a pintar colorações virtuais

Coletar sinais ópticos ricos é apenas metade da história; a outra metade é transformá‑los em imagens que se pareçam com lâminas coradas padrão. Para isso, a equipe usou uma arquitetura de aprendizado profundo chamada RegGAN. Primeiro, eles imagearam tecido não corado com PARS, depois tingiram quimicamente a mesma lâmina e a escanearam com um scanner de campo claro convencional. Após alinhar cuidadosamente essas imagens pareadas, treinaram redes neurais para transformar as imagens multicanais do PARS em versões que imitam colorações específicas, incluindo a rotina hematoxilina e eosina, além de tricrômico de Masson, PAS e prata de methenamina de Jones. Modelos separados foram treinados para cada coloração, de modo que uma única lâmina de entrada sem marcadores pudesse depois ser “recolorida virtualmente” de várias maneiras sob demanda.

O que as lâminas virtuais revelam

Em tecidos humanos e de camundongo — incluindo cânceres renais, melanoma, infecções fúngicas de pele e órgãos normais — as colorações virtuais seguiram de perto suas contrapartes químicas. Limites tumorais, formas nucleares, tecido cicatricial rico em colágeno, glóbulos vermelhos, filamentos fúngicos e estruturas renais finas apareceram com alta fidelidade quando ambos os comprimentos de onda ultravioleta foram usados juntos. Medidas quantitativas de qualidade de imagem confirmaram que combinar as duas excitações superou o uso de qualquer uma isoladamente, particularmente para estruturas como colágeno, células sanguíneas e elementos fúngicos que dependem do contraste adicional do comprimento de onda mais longo. Em um pequeno estudo cego, três patologistas experientes classificaram tanto imagens reais quanto virtuais principalmente como boas ou excelentes para qualidade diagnóstica visual, e não conseguiram distinguir de forma confiável quais imagens eram coradas quimicamente e quais eram virtuais.

Forças, limites e potencial futuro

Embora promissora, a técnica ainda não está pronta para substituir scanners de lâminas de rotina. O sistema PARS atual é lento, levando horas para cobrir a área que um scanner clínico captura em minutos, e todos os dados vieram de um único equipamento de imagem e um único laboratório de coloração. A avaliação focou na similaridade visual e em recursos mensuráveis selecionados, em vez de decisões clínicas completas em muitos pacientes e centros. Ainda assim, a abordagem oferece uma vantagem única: porque a imagem sem marcadores não danifica o tecido, a mesma lâmina pode depois ser corada com corantes tradicionais ou usada em testes moleculares, e múltiplas colorações virtuais podem ser geradas a partir de um único escaneamento.

Figure 2
Figure 2.

O que isso significa para pacientes e médicos

Em termos simples, este estudo mostra que é possível “ler” o tecido usando apenas luz e então usar inteligência artificial para recriar as cores e padrões familiares em que os patologistas confiam, incluindo várias colorações a partir de uma única seção. O sistema PARS de dupla cor fornece informação suficiente para destacar virtualmente núcleos, tecido de sustentação, sangue, pigmento e estruturas renais especializadas sem tocar uma gota de corante. Com hardware mais rápido e estudos maiores, multicêntricos, essa tecnologia pode tornar‑se um poderoso complemento à patologia padrão, preservando biópsias preciosas e oferecendo aos patologistas uma visão mais rica e não destrutiva da doença.

Citação: 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

Palavras-chave: coloração virtual, microscopia sem marcadores, patologia digital, imagem ultravioleta, aprendizado profundo em histologia