器官移植为终末期器官衰竭患者提供了挽救生命的治疗，每年为数千名患者恢复功能并大幅提高生活质量。然而，移植排斥反应仍然是肺和心脏接受者发病率的主要原因，高达29%的肺移植患者和25%的心脏移植患者在第一年内经历急性排斥反应。
为了尽早准确检测排斥反应的临床必要性，对病理学工作流程提出了很高的要求，这些流程依赖于对微小活检片段进行费力的组织化学染色。
多种染色剂的传统化学染色过程不仅增加了诊断周转时间数天之久--延迟了关键的治疗决策--而且还会产生高昂的试剂和人工成本。此外，化学染色容易受到组织处理伪影、染料吸收不均和批次间颜色变化的影响，所有这些都可能掩盖与移植排斥相关的细微组织变化，并给病理学家的解释带来困难。
为了解决这些问题，加州大学洛杉矶分校（UCLA）的Aydogan Ozcan教授领导的研究团队与南加州大学（USC）和加州大学戴维斯分校（UC Davis）的组织病理学家合作，在《BME Frontiers》杂志上发表了一篇文章，展示了一组深度神经网络，这些网络可以虚拟生成苏木精和伊红（H&E）、马松三色（MT）和维霍夫-范吉森（EVG）染色剂用于无标记的肺组织，以及H&E和MT染色剂用于无标记的心脏组织。
研究人员通过这些AI模型，将未染色活检切片的自发荧光显微图像输入，数字生成高保真的虚拟切片，忠实地复制多种化学染色剂并突出移植排斥反应特征，而无需使用任何试剂。
"我们的虚拟染色平台不仅能够提供诊断质量的图像，还能为后续的分子分析保留珍贵的活检组织，"该研究的资深作者Ozcan博士说道。
"通过消除化学染色程序，我们可以节省劳动力，缩短周转时间，降低成本，并消除分别染色相邻组织切片时出现的结构不匹配问题。"
在一项涉及四位董事会认证病理学家的盲法研究中，虚拟染色在诊断移植排斥反应方面达到了82.4%的肺活检一致率和91.7%的心脏活检一致率，与传统化学染色方法相比。
对核、细胞质和细胞外特征的染色质量进行定量评估表明，虚拟切片的质量不劣于标准切片--在某些情况下，虚拟H&E甚至优于标准染色，尤其是在存在组织化学伪影时。
除了染色速度和准确性外，虚拟组织染色方法还确保了所有切片上一致的颜色均匀性，减少了批次间的变异性--这是下游基于AI的自动检测和诊断工作流程的关键优势。
此外，通过从单一未染色的组织切片中虚拟生成多种染色剂，该框架消除了相邻切片染色固有的结构不匹配问题，并通过省去手动对齐连续图像的需要，简化了病理学家的审查流程。
总体而言，这项工作为移植医学中的可扩展、成本效益高的数字病理学工作流程奠定了基础，并为依赖标准化图像输入的下游AI驱动诊断工具铺平了道路。
未来的努力将把该平台扩展到其他器官类型和疾病阶段，最终目标是为全球移植接受者提供更快、更可靠的护理。
更多信息：Yuzhu Li等，基于组织自发荧光的虚拟染色对肺和心脏移植活检的无标记评估，《BME Frontiers》（2025年）。DOI：10.34133/bmef.0151
【全文结束】
