使用 OrganoSeg2 实现快速无训练的类器官定量与追踪

为什么这种微型体外组织很重要

在全球的实验室中，科学家们现在可培养出称为类器官的人体组织微型模型。这些微小的三维细胞团能够模拟真实器官或肿瘤的行为，使其成为研究疾病和测试疗法的强大工具。但存在一个瓶颈：研究者可能会收集成千上万张低倍显微图像，却难以衡量每个类器官随时间的生长、形态变化或细胞死亡情况。本文介绍了 OrganoSeg2 —— 一款重新设计的软件，它能够将这些普通的灰度图像转化为关于每个单独类器官的丰富且可靠的测量结果，而无需人工智能训练或昂贵的成像配置。

在拥挤的显微图像中读取信息的新方法

类器官通常使用简单的明场显微镜成像，显示为淡淡、相互重叠的斑块。自动勾勒每个斑块的轮廓——即对图像进行“分割”——比看起来要困难得多，尤其是在实验室使用不同培养格式、照明或镜头时。作者此前开发的 OrganoSeg 能处理基础的分割任务，但当图像集合扩展到数百张时会变慢且不便。借助 OrganoSeg2，他们从头重建了软件，采用现代化界面、精简内部代码，并暴露出多个隐藏设置，使用户能够微调程序如何将类器官与背景区分、如何分割相邻接触的体块以及如何忽略图像边缘的伪影。应用现在将这些选择作为元数据保存，从而使分析可复现且便于共享。

加速工作同时不牺牲细节

除了灵活性外，团队还重点提升了速度和用户体验。早期版本会自动为每个类器官计算所有可能的测量，即便只需其中少数。OrganoSeg2 则仅计算用户选择的项，并对相关计算进行重组以重用那些耗时的步骤。它还减少屏幕上显示的信息，仅在需要时显示标签，并增加键盘快捷键与交互工具，方便快速移除碎屑或非类器官对象。这些设计选择将常见操作（如图像分割、轮廓显示和数据导出）的耗时大约缩短了十倍，使在普通电脑上处理大型平铺图像和长时间序列实验成为可行。

在真实数据上超越高科技对手

为评估 OrganoSeg2 的表现，作者将其与若干其他分割工具比较，其中包括需要基于人工标注样本进行训练的深度学习系统。他们汇集了来自六种不同来源的图像集——例如结肠、肺、胰腺、大脑和乳腺类器官，以及胚体球——这些数据集已有人工专家描绘的类器官边界。使用衡量自动轮廓与人工轮廓重叠程度的标准准确性评分，OrganoSeg2 在大多数数据集上与专门工具匹敌或优于它们，并在充满杂质与形状奇特类器官的具有挑战性的乳腺癌图像上明显领先。值得注意的是，OrganoSeg2 在不需要数万张训练样本的情况下取得了这些成绩，并且运行速度至少与其竞争对手相当，即便是那些基于人工智能的工具。

追踪每个类器官的生命轨迹

OrganoSeg2 不仅能在单张快照中勾勒类器官，还能对不同日期拍摄的图像进行对齐，并将同一类器官在时间序列中连接起来，为每个体建立生长历史。当作者将此方法应用于直接来源于患者腔内乳腺肿瘤的类器官时，他们发现单个类器官很少平稳生长；相反，许多类器官会减速或趋于平台期，这反映了真实肿瘤中快慢生长区域并存的现象。通过将这些轨迹拟合到一个简单的生长模型，团队能够量化每个类器官的扩张速度以及其可能达到的大小。跨患者比较这些模式显示，整体生长相似的肿瘤可能掩盖很不相同的内部行为组合——这些差异可能对预测治疗反应具有重要意义。

在放射线下观察癌细胞的生与死

该软件还可将明场图像与报告细胞健康状态的荧光染料关联。在新的实验中，作者对乳腺癌类器官施加了类似临床使用的放射剂量，并用在程序性细胞死亡期间会发光的活细胞标记染料以及在最终时间点显示死亡细胞的第二种染料进行染色。OrganoSeg2 使用明场图像定义类器官形状，然后在多日内测量每个类器官内的荧光信号。这使得团队能够逐个类器官地追踪放射线何时触发细胞死亡以及反应强度。有些患者的类器官几乎没有反应，而另一些即使在较低剂量下也表现出高度敏感，凸显了肿瘤反应的高度可变性。

对未来研究与临床的意义

综上所述，这项工作表明，谨慎且可调的图像处理方法能在广泛的类器官图像上媲美或超越复杂的深度学习方法，同时保持透明且易于调优。OrganoSeg2 将简单的低倍类器官录像转化为关于每个微小组织在不同条件下生长与存活的详细记录。对于基础研究者，它提供了一种稳健的方式来拆解类器官培养物中隐藏的多样性。对于癌症研究尤其如此，它为将来源于患者的类器官用于不仅仅是二元药物筛选，而是进行丰富的、时间分辨的生长与细胞死亡测量打开了大门，这些测量未来或许能帮助更精准地定制治疗方案。

引用: Wells, C.J., Labban, N., Showalter, S.L. et al. Fast learning-free organoid quantification and tracking with OrganoSeg2. Sci Rep 16, 7928 (2026). https://doi.org/10.1038/s41598-026-37526-7

关键词: 类器官, 图像分析, 癌症研究, 显微镜, 放射反应