肿瘤，即使是良性的，也会损害周围的血管和组织。如果是恶性的，就是侵略性和鬼鬼祟祟，往往不可挽回的损害。在后一种情况下，早期发现是治疗和康复的关键。但是，这种检测有时需要先进的成像技术，而不是目前商业上可以买到的技术。

　　日本东国立癌症中心医院的Daiki Sato、Hiroaki Ikematsu和Takeshi Kuwata博士，日本里肯先进光子学中心的Hideo Yokota博士，以及日本东京科学大学的Toshihiro Takamatsu和Kohei Soga博士等人在Hiroshi Takemura博士领导下开发了一种利用近红外高光谱成像（NIR-HSI）和机器学习的技术。他们的发现发表在《Scientific Reports》上。

　　一些肿瘤发生在器官和组织的深处，被粘膜层覆盖。比如胃肠道间质瘤（GIST），需要非常耗时且延长诊断时间的严格技术。现在有了新技术，可以很容易地识别它们。

　　“这项技术有点像X射线，其思想是利用电磁辐射可以通过人体产生内部结构的图像，”Takemura博士解释说。“不同的是X射线的波长在0.01-10纳米，而近红外的波长在800-2500纳米左右。在这种波长下，近红外辐射使组织在图像中看起来是透明的。这些波长对病人的伤害甚至比可见光都小。”

　　这应该意味着科学家可以安全地研究隐藏在组织内部的东西，但是直到Takemura博士和他的同事的研究，还没有人尝试在像GIST这样的深部肿瘤上使用NIR-HSI。谈到是什么促使他们走上这条研究路线，Takemura博士向已故教授表示敬意：“这个项目之所以成为可能，是因为已故的Kazuhiro Kaneko教授打破了医生和工程师之间的障碍，建立了这种合作关系。我们在遵从他的意愿。”

　　Takemura博士的团队对12名确诊为GIST的患者进行了成像实验，这些患者通过手术切除了肿瘤。科学家们用近红外-高分辨率成像技术对切除的组织进行成像，然后让病理学家检查图像以确定正常组织和肿瘤组织之间的边界。然后这些图像被用作机器学习算法的训练数据，本质上是教计算机程序区分图像中代表正常组织和代表肿瘤组织的像素。

　　科学家们发现，尽管12个测试肿瘤中有10个完全或部分被粘膜层覆盖，但机器学习分析在识别GIST、正确地对肿瘤和非肿瘤切片进行颜色编码方面是有效的，准确率为86%。Takemura博士解释说：“这是一个非常令人兴奋的进展，能够准确、快速、无创地诊断不同类型的粘膜下肿瘤，而无需活检术，对患者和医生来说都要容易得多。”

　　Takemura博士承认未来仍有挑战，但他认为他们已经准备好解决这些挑战。研究人员确定了几个可以改进他们结果的领域，例如使他们的训练数据集更大，为机器学习算法添加肿瘤深度的信息，以及在分析中包括其他类型的肿瘤。在现有内窥镜技术的基础上开发NIR-HSI系统的工作也在进行中。

　　Takemura博士说：“我们已经制造了一种装置，将NIR-HSI摄像头连接到内窥镜的末端，希望能很快直接对患者进行NIR-HSI分析，而不仅仅是对手术切除的组织进行分析，这将有助于我们将GIST与其他类型的粘膜下肿瘤区分开来，这些肿瘤可能更为恶性和危险。这项研究是在跨学科合作的推动下，朝着未来更具开创性的研究迈出的第一步。”

　　目前，一种早期准确无创检测GIST的方法很快就能在临床上广泛应用了！