肿瘤，是危害我们身体最可怕的恶魔之一。要想制服它，首先就是要准确地找到它，看它是怎么活动的，然后才能开展有针对性的治疗。

　　自德国科学家伦琴发现X射线以来，人们发现可以通过很多的物理媒介来看到人体的各种器官和组织。于是百年来，X射线（X光CT）、伽马射线（正电子发射断层成像）、射频波（磁共振成像）、超声波（超声成像）等各种技术快速发展并应用于医学诊断，极大地促进了人类对于多种疾病的生物医学认知和临床诊疗能力。

　　肿瘤组织也是能通过上述这些技术看到的。但是，面对恶性肿瘤之所以称之为“恶魔”，自然有它更令人生畏的本领。

　　首先，非特异性的影像技术并不能很好地观测到所有的肿瘤，因此恶性肿瘤往往能在患者体内发展到中晚期。此时，肿瘤细胞已转移扩散，很难界定其分布范围；而具有强特异性的影像方法，却又由于对人体有损害、花费贵等原因，较难用于日常身体检查。

　　此外，即使恶性肿瘤被观测到，受限于成像技术，肿瘤细胞术在体内的转移范围和术后的残留量也很难确定。肿瘤细胞往往会残留在体内，随后东山再起。

　　所以，要想用影像技术准确地找到肿瘤“恶魔”，可能还需要花费更多的功夫。

　　光学分子影像：用光学信息捕捉到肿瘤“恶魔”

　　光学分子影像出现，为人们提供了新的影像技术手段。光学分子影像技术，是指成像目标（例如肿瘤）由于药物介入等原因会产生特定波长的光学信息。通过对这些光学信息进行采集并推导其光源分布，进而在分子层面上寻找和跟踪成像目标的运动轨迹。

　　光学分子影像断层可视化小鼠颅内脑胶质瘤区域（蓝色区域）　　举个例子，在进行光学分子标记后，生物体的身体里如果出现了肿瘤细胞，由于荧光效应，肿瘤细胞会发出一种特定谱段的光子。这些光子通过与生物组织的相互作用，会有一部分到达生物体的皮肤，从而被光学探测器捕捉，形成像摄影照片一样的图像。这时候，医生就可以看到肿瘤的产生并捕捉到它的踪迹。

　　光学分子影像可以提供极高的肿瘤成像灵敏度和特异性，又安全无辐射，目前已经被广泛应用于肿瘤的预临床动物模型研究中，并逐步开展了肿瘤临床诊疗的转化应用。

　　从二维到三维，科学家一直在尝试

　　然而，光学分子影像却不得不面对一个明显的瓶颈：所有的光学图像只能定性地反映动物体表是否有光透出，这是一种二维成像，无法反映出光源在生物体内的三维空间位置，难以确定肿瘤具体发生在动物体内的哪个器官、哪片组织。

　　所以，科学家们开展琢磨，如何才能把光学分子影像技术从二维发展到三维？于是，光学散射断层成像方法被逐步提出，试图通过动物体表的二维光斑图像，三维重建出动物体内的光源位置。

　　这种重建策略在2000年左右就被提出，经过近20年的发展，科学家们在模型精度和算法速度方面已经做了很多的工作。但是，由于光子在生物体内不走直线，而是高散射传播，生物体内不同器官和组织对于光子的散射能力又千差万别。因此，这种方法一直受困于成像精度不够、实用性不足。

　　利用AI，画出“不走寻常路”肿瘤细胞的三维影像图

　　日前，中国科学院自动化研究所分子影像院重点实验室，摒弃了传统成像方法的思路，提出一种基于人工智能策略的新型重建方法。

　　该网络以鼠脑结构为依托训练重建模型，并以2D光学分子成像结果作为网络输入，重建得到三维光学光源（脑胶质瘤）分布结果。

　　这种方法充分利用了人工智能网络的优势，完全舍弃构建模型去描述光子在生物体内的传播，而是构建了大量的仿真数据集训练人工智能网络，让计算机自己去“学习”和“理解”体表光斑和体内光源的关系，然后构建出一个新的模型，最终准确定位肿瘤细胞的三维位置，绘制出它活动路径的三维分布图。

　　该方法显著提高了成像精度。一系列实验结果表明，这种新型人工智能方法对于肿瘤的三维定位误差均小于80微米，而传统方法的定位误差为350微米以上。

　　这项研究表明，人工智能在提高生物医学成像的成像精度上，有着显著的优越性和应用潜力，为疾病动物模型乃至临床患者的影像学研究提供了全新的思路。

　　也就是说，借助人工智能的力量，人们在定位和跟踪肿瘤“恶魔”的进程中，又往前迈进了一步。而如何更快、更准确地找到肿瘤“恶魔”，依然是科学家们所努力的方向。