胶质瘤具有高浸润性、侵袭性、边界模糊、高发病率和死亡率等特点，发展高效和精确的胶质瘤诊断方法十分关键。目前，临床胶质瘤的诊断技术主要是磁共振成像（MRI）和正电子发射断层扫描（PET），但存在操作复杂、成本高等缺点。因此，迫切需要开发操作简单、成本低、准确性高的胶质瘤诊断方法。由于病变组织成分的差异会影响可见光和近红外区域的光吸收，因此利用具有高探测灵敏度的可见-近红外光电探测器感知可见光和近红外光透过组织后的细微变化，并结合机器学习算法辅助分析，有望实现对不同病变程度的组织的即时精确诊断。
近日，中国科学院化学研究所宋延林教授团队在ACS Nano上发表了题为“Lateral Heterostructured Vis–NIR Photodetectors with Multimodal Detection for Rapid and Precise Classification of Glioma”的文章（DOI: 10.1021/acsnano.2c06004）。病变组织成分的变化会影响其对可见-近红外区域的光吸收。研究团队利用光探测器检测透过不同组织的光信号的差异实现对胶质瘤的分级诊断。他们利用模板诱导连续印刷策略构建一维横向异质NaYF4@Yb、Er/CsPbI2.2Br0.8光电探测器阵列，实现了对可见-近红外波段的高性能响应。通过灵活调控墨水浓度及施加压力，可以得到侧包裹的横向异质结构，相比于全包裹异质结构，其对可见-近红外光表现出更好的响应性，例如，在450 nm和980 nm处的响应度分别达到1084 A/W和150 mA/W。通过不同波长的激光（450 nm、532 nm、650 nm 和 980 nm）透过正常组织切片及不同等级胶质瘤组织切片的不同区域后照射在可见-近红外光电探测器上，可以收集不同位点下的光电流数据。利用得到的光电流数据可以重构出各种组织的轮廓图像，展现了胶质瘤区域成像的能力。进而结合机器学习算法，以得到的光电流数据为数据库，提取各波长下的特征和信息，进行模型训练和分类检测。结果显示，通过覆盖可见-近红外光的多模态检测，胶质瘤分级诊断准确率可达到99.3%。这项工作为临床肿瘤的快速诊断提供了一种新的思路。
图1 印刷制备可见-近红外光电探测器阵列用于胶质瘤的分级诊断。(a) 利用横向异质结构光电探测器进行胶质瘤分级诊断的示意图；(b) 印刷制备横向异质结构阵列的示意图；(c, d) CsPbI2.2Br0.8/UCNPs阵列的示意图与横截面SEM图像；(e) CsPbI2.2Br0.8阵列的吸收光谱和UCNPs的光致发光光谱；(f) CsPbI2.2Br0.8和 CsPbI2.2Br0.8/UCNPs光电探测器在980 nm激光照射下产生的光电流对比。
图4 基于横向异质光电探测器的胶质瘤分级诊断能力。(a) 测试过程的光学图像；(b) 正常组织、II级胶质瘤和IV级胶质瘤三种组织的光学图像；(c-f) 不同波长照射下，将收集到的光电流重构得到的三种组织的图像；(g) 正常组织、II级胶质瘤和IV级胶质瘤组织对不同波长光的吸收对比；(h) 基于SVM算法的胶质瘤分级诊断原理；(i) 单波长探测和多模态探测下，胶质瘤分级诊断的准确率。
该研究成果以“Lateral Heterostructured Vis–NIR Photodetectors with Multimodal Detection for Rapid and Precise Classification of Glioma”为题（DOI: 10.1021/acsnano.2c06004）发表在ACS Nano上。论文第一作者是中国科学院化学研究所谢红飞博士，通讯作者为宋延林研究员、苏萌副研究员和潘琪博士后。该研究得到了科技部、国家自然科学基金委、中国科学院、北京市科委、中国博士后基金和北京分子科学国家研究中心的支持。
