(相关资料图)

肿瘤不仅仅是异常细胞的孤立团块，而且与称为“肿瘤微环境”(TME) 的更复杂系统有关。在过去的几年中，研究表明 TME 由血管、结缔组织以及细胞外蛋白质和分子基质的复杂组合组成。最重要的是，TME 的组成与附近的健康组织不同。特别是，肿瘤的脂质和胶原蛋白含量与正常组织不同，这使它们成为诊断各种类型癌症(如乳腺癌、前列腺癌或皮肤癌)的重要潜在生物标志物。

然而，目前使用的用于测量脂质和胶原蛋白含量的方法具有相当大的缺点。虽然侵入性活检是许多癌症的金标准，但它具有侵入性和耗时性。另一方面，大多数基于激光的技术和拉曼光谱法无法深入组织，只能用于收集表面信息。因此需要一种提供无创诊断、减少检测时间和更大检测深度的技术。

在此背景下，包括中国同济大学 Qian Cheng 教授在内的一组科学家现已研究了一种非侵入性方法的可行性，即光声光谱分析 (PASA)，用于表征 TME 中脂质和胶原蛋白的肿瘤相关特征。PASA 是一种结合声光分析 TME 的创新方法，在评估生物组织中的内源性发色团方面显示出巨大的潜力。这项研究 发表在《 生物医学光学杂志》上 ，表明 PASA 具有作为诊断肿瘤新工具的潜力。

Cheng 解释了这项技术背后的机制，“在 PASA 中，脉冲激光用于照射生物组织，其能量根据波长选择性地被内源性发色团吸收。反过来，这会通过热弹性膨胀产生超声波，这些超声波被捕获为光声信号。”

研究人员在同济大学上海皮肤病医院收集了 39 份疑似鳞状细胞癌 (SCC) 和基底细胞癌 (BCC) 患者的皮肤样本。这些样本中约有三分之一是健康的皮肤组织，而另外三分之二是鳞状细胞癌和基底细胞癌的疑似病例。

然后使用自定义 PASA 设置来分析这些样品。用跨越脂质和胶原蛋白强吸收区域的不同波长 (1200–1700 nm) 的激光脉冲照射样品。用针式水听器接收激光照射皮肤组织产生的光声 (PA) 信号。

分析表明，三种不同类型组织的 PA 信号差异很大，足以被辨别。此外，通过将这些信号与传统组织分析技术获得的结果进行比较，他们发现 PASA 可以提供准确的半定量结果。反过来，这有助于根据测量的 PA 信号估计样品中胶原蛋白和脂质的含量，以表征 TME。

为了进一步证明这种方法的实用性，研究人员在 PASA 数据上训练了一种简单的机器学习算法，以测试其区分三种样本类型的准确性。该算法对样本进行分类，总体准确率超过 91%。

总之，这项研究的结果证明了 PASA 的许多优点。Cheng 解释说：“PASA 提供了一种独立于医生或病理学家经验的客观方法来对 SCC 和 BCC 进行分类。此外，它消除了噪声和系统误差的影响，提供了独立于系统的半定量结果。因此，我们的研究表明，PASA可以实现对不同类型肿瘤的无创诊断和识别。”

未来，研究人员计划测试 PASA在体内 检测皮肤癌边界的能力，以实现更精确的手术切除。PASA 作为强大的肿瘤诊断工具的全部潜力仍有待揭示。