近日，《表型组学》(Phenomics)在线发表了华东师范大学通信与电子工程学院胡孟晗副教授和华东师范大学附属芜湖医院病理科戴敏主任的题为“Auxiliary Diagnosis of Papillary Thyroid Carcinoma Based on Spectral Phenotype”的研究论文。
研究通过光谱数据结合特征空间优化方法构建甲状腺乳头状癌(Papillary Thyroid Carcinoma，PTC)分类模型，计算竞争自适应重加权抽样 (Competitive Adapative Reweighted Sampling，CARS)算法提取得到甲状腺特征光谱与临床、图像指标的相关性，解释特征光谱在筛选范围内与氨基酸分子存在的映射关系，从光谱表型角度为甲状腺乳头状癌的可解释模型提供新的依据与见解。

扫二维码｜查看原文原文pdf链接 ：https://link.springer.com/content/pdf/10.1007/s43657-023-00113-1.pdf?pdf=button

引用格式：Zhao, B., Wang, Y., Hu, M. et al. Auxiliary Diagnosis of Papillary Thyroid Carcinoma Based on Spectral Phenotype. Phenomics (2023). https://doi.org/10.1007/s43657-023-00113-1
研究背景
甲状腺作为人体内分泌系统的重要组成部分，是人体合成、储存和释放甲状腺激素的最大分泌器官。自2000年始，甲状腺癌的发病率呈现逐年上升趋势，成为当前增长率最高的恶性肿瘤。临床上，甲状腺乳头状癌占所有甲状腺癌类型的60-70%，而其癌症亚型判断依赖的术中病理切片分析存在诊断延迟、操作流程繁琐的问题，无法快速准确地诊断甲状腺癌。因此，在该研究中，作者探究了光谱技术在PTC术中快速检测中的应用前景，阐述了PTC与光谱表型之间的联系。
研究结果

为探究PTC光谱表型的特征波长，作者在不同预处理方法与筛选条件下进行建模。实验结果表明，数据中心化与多元散射校正消除了实验中因样本物理因素（如颗粒度、填装密度、分布均匀性等）造成的散射差异，构建了最为优异的PTC检测模型。同时，研究利用CARS算法筛选了表征PTC的特征波长，其在178-1102nm之间的分布如图1所示，最终构建了基于优选光谱的PTC分类模型。

图1 PTC特征波长分布
继而，研究结合病理分析，采用显微病理图像指标（细胞核大小、细胞排列结构、细胞密度）和甲状腺相关激素指标（三碘甲状腺原氨酸T3、四碘甲状腺原氨酸T4、游离三碘甲腺原氨酸FT3、游离甲状腺素FT4）这两类临床数据来评估筛选得到的光谱表型的可靠性与模型的可解释性（图2）。
总结来看，对最优检测模型而言，特征波长所在的188-228nm处存在正常细胞与T3的强相关性与FT4的中度相关性（图2a），且绝对值最大处波长为210nm左右，存在氧合血红蛋白与多种氨基酸的吸收峰。这表明所构建的模型在临床上是可解释的。同时，在该特征波长范围内，正常细胞的光谱反射强度与细胞排列结构、平均细胞核大小存在中度相关性（图2c），其最大相关性处于208nm与219nm，存在大部分氨基酸、苯丙氨酸以及氧合血红蛋白的吸收峰。这也从显微病理图像的角度对模型可解释性进行了定量分析。

图2 相关性图：a 正常细胞光谱与生理指标的相关性，b PTC 细胞光谱与生理指标的相关性，c 正常细胞参数与光谱的相关性，d PTC 细胞参数与光谱的相关性


研究结论

本研究搭建了一个光谱检测系统，并构建了一个基于光谱联合映射与空间优化的分类模型用以辅助术中PTC的快速检测。研究结果显示，数据中心化与多元散射校正的处理方法能够降低由于样品的物理因素（如颗粒度、填装密度、分布均匀性等）引起的散射效应。此外，研究结果还显示特征光谱与空间特征之间存在的相关性以及相关性最大指数处存在的氨基酸与血红蛋白的吸收峰。以上结果从病理图像和临床应用的角度为模型提供了可解释性。研究对光谱表型在PTC术中病理检测中的应用进行了初步探索，其构建的模型可用来辅助PTC诊断，从而提高诊断的准确性和可靠性。
华东师范大学通信与电子工程学院胡孟晗副教授和华东师范大学附属芜湖医院戴敏主任为共同通讯作者，上海理工大学赵柏梁硕士生和华东师范大学附属芜湖医院王颜医生为共同第一作者。本研究获得国家自然科学基金项目（62225112；61831015）以及安徽省重点研发项目（No.202104j07020059）的资助。

Abstract
Thyroid cancer, a common endocrine malignancy, is one of the leading death causes among endocrine tumors. The diagnosis of pathological section analysis suffers from diagnostic delay and cumbersome operating procedures. Therefore, we intend to construct the models based on spectral data that can be potentially used for rapid intraoperative papillary thyroid carcinoma (PTC) diagnosis and characterize PTC characteristics. To alleviate any concerns pathologists may have about using the model, we conducted an analysis of the used bands that can be interpreted pathologically. A spectra acquisition system was first built to acquire spectra of pathological section images from 91 patients. The obtained spectral dataset contains 217 spectra of normal thyroid tissue and 217 spectra of PTC tissue. Clinical data of the corresponding patients were collected for subsequent model interpretability analysis. The experiment has been approved by the Ethics Review Committee of the Wuhu Hospital of East China Normal University. The spectral preprocessing method was used to process the spectra, and the preprocessed signal respectively optimized by the frst and secondary informative wavelengths selection was used to develop the PTC detection models. The PTC detection model using mean centering (MC) and multiple scattering correction (MSC) has optimal performance, and the reasons for the good performance were analyzed in combination with the spectral acquisition process and composition of the test slide. For model interpretable analysis, the near-ultraviolet band selected for modeling corresponds to the location of amino acid absorption peak, and this is consistent with the clinical phenomenon of significantly lower amino acid concentrations in PTC patients. Moreover, the absorption peak of hemoglobin selected for modeling is consistent with the low hemoglobin index in PTC patients. In addition, the correlation analysis was performed between the selected wavelengths and the clinical data, and the results show: the refection intensity of selected wavelengths in normal cells has a moderate correlation with cell arrangement structure, nucleus size and free thyroxine (FT4), and has a strong correlation with triiodothyronine (T3); the refection intensity of selected bands in PTC cells has a moderate correlation with free triiodothyronine (FT3).

通讯作者胡孟晗

胡孟晗，华东师范大学副教授、博士生导师，入选2项上海市人才计划，上海市图像图形学学会康复辅助与健康促进专委会主任，Displays、Int. J. Agr. Biol. Eng、Intelligence & Robotics 副主编，青之助科技有限公司的联合创始人。多年来始终围绕“面向人民生命健康”战略开展相关研究工作，致力于将机器学习、信号分析、图像处理等领域相关理论和技术应用于生物医学、康复辅助、农业工程等领域。近3年以第一作者或通讯作者在IEEE TMI、IEEE TMM、IEEE TBC、AISY、IEEE IoT等期刊上发表学术论文20余篇，牵头制定团体标准 2 项，参与制定团队标准2 项。先后主持国家自然科学基金、上海市科委项目、上海市教委项目、博士后科学基金（一等资助）等在内的国家级、省部级及横向课题 10 余项。2021 年，主导 1 项产学医研合作课题“互联网青光眼智能管理平台”成功落地运营，有望服务我国 2100 多万青光眼患者。
戴敏

戴敏，现华东师范大学附属芜湖医院病理科主任，硕士生导师。从事临床病理诊断近30年，安徽省抗癌协会肿瘤病理专业委员会常委、安徽省医师协会病理分会第一届委员会常务委员、安徽省病理学会常务委员、芜湖市医学会病理学会副主任委员，曾发表的国家级CN期刊文章4篇，省级期刊2篇。

一作介绍赵柏梁

赵柏梁，硕士。2020年本科毕业于温州医科大学，2023年硕士毕业于上海理工大学。主要研究方向为光谱技术在疾病检测中的应用。在Phenomics(第一作者）发表研究论文。
王颜

王颜，硕士，现任华东师范大学附属芜湖医院病理科主治医师。从事临床病理诊断工作近10年，曾发表SCI文章2篇。