【转载】成像技术，登上Nature正刊！-厦门大学电子科学与技术学院电子科学系计算感知实验室

首页 > 新闻 > 正文

【转载】成像技术，登上Nature正刊！

过去50年里，磁共振成像（MRI）几乎定义了现代医学影像学，但它始终存在一个核心局限：医生虽然能“看到”病灶，却难以真正理解病灶背后的分子活动与生理状态。对于脑肿瘤、多发性硬化（MS）以及神经退行性疾病这类高度异质性的疾病而言，仅靠传统MRI的灰白影像已经无法满足精准医疗需求。

今日，伊利诺伊大学香槟分校梁志培教授团队首次实现了在临床3T MRI设备上，同时获取全脑22种结构、代谢与生理生物标志物，为MRI从“结构成像工具”迈向“组织状态解析平台”打开了全新大门。相关成果以“Multiplexed magnetic resonance imaging”为题发表在《Nature》上，Yudu Li和Rong Guo为共同第一作者。

研究团队提出的MRx，本质上是一种“多路复用磁共振”。它不再像传统MRI那样一次只测量一种参数，而是像一台“全景扫描仪”，同时采集水分子、代谢物和神经递质等多维信息，再结合物理模型与AI算法进行联合重建与定量分析。研究显示，MRx不仅能在14分钟内完成全脑扫描，还能生成包括NAA、胆碱、乳酸、氧提取分数（OEF）、髓鞘水分数（MWF）等在内的大规模定量图谱，并进一步构建“组织状态指数”，用于脑肿瘤分级、多发性硬化病灶分期以及疾病进展预测。这意味着，MRI第一次真正开始具备“读懂组织生物学”的能力。

论文首先展示了MRx的整体框架。传统MRI之所以效率有限，是因为它通常只能针对某一种信号进行选择性采集，例如T1、T2或弥散信息，因此不同参数往往需要分开扫描。而MRx采用宽带射频脉冲，一次性激发所有可检测分子，再通过高速回波平面采样，同时编码化学位移、弛豫时间和J耦合等信息。研究团队还设计了稀疏采样方案，只采集最关键的数据点，从而将原本庞大的高维采集压缩到14分钟内完成。图1a展示的彩色采样结构，实际上就是这种“高维压缩”的核心。但真正让MRx变得可行的，并不只是采集速度，而是后端AI重建能力。图1b展示了整个数据处理流程：系统首先利用物理模型建立低维子空间，再结合神经网络学习大量训练数据中的空间与频谱先验。传统MRI处理的是单一信号，而MRx需要同时区分强度相差上千倍的水信号与代谢物信号，还要解决不同代谢物之间严重频谱重叠的问题。研究团队因此将量子力学模拟、扩散模型与深度学习融合，使AI能够在噪声极高、数据极度稀疏的情况下，仍然准确恢复所有生物标志物。图1c最终展示了MRx同时获得的结构、代谢和生理图谱，而图1d则进一步说明，这些指标能够跨越器官、微结构乃至细胞代谢多个尺度，对组织状态进行系统刻画。

图1：MRx整体技术框架，包括多分子同步采集、高维稀疏采样以及AI重建流程，并展示22种生物标志物如何覆盖从组织结构到细胞代谢多个尺度。

为了验证MRx的可靠性，研究团队首先进行了体模实验。图2a中，不同颜色的小圆管代表不同代谢物浓度。即便在仅8毫米直径的小管中，MRx依旧能够准确重建NAA、胆碱、肌醇、GABA等分子的空间分布，并且测量值与真实浓度高度一致。这意味着MRx不仅能“看见”代谢物，还能做到真正定量。相比传统MRSI方法，MRx扫描时间缩短了约5倍，同时空间覆盖范围和分辨率反而显著提高。在另一组验证实验中，研究人员又利用国际标准MRI体模测试T1和T2定量能力。图2b显示，MRx测得的T1、T2数值与标准参考值几乎完全重合，其一致性甚至优于传统FLASH和TSE序列。换句话说，MRx并没有因为“同时测太多东西”而牺牲精度，反而在统一框架下实现了更稳定的定量结果。真正令人震撼的是MRx在人体脑成像中的表现。图2c展示了一位健康志愿者的全脑多参数图谱。从NAA、GABA到谷氨酸，再到氧代谢、髓鞘含量、铁沉积和轴突水分数，研究者一次扫描就获得了22种不同维度的生物信息。以往需要多个MRI序列、甚至多种设备联合才能获取的数据，如今被整合进了一张统一的“脑状态地图”中。

图2：MRx在体模和健康志愿者中的验证结果，证明其具备高精度、高重复性和多中心稳定性。

随后，研究团队将MRx用于脑肿瘤研究。图3a展示了一位胶质母细胞瘤（GBM）患者的成像结果。传统MRI只能大致看到肿瘤和水肿区域，而MRx则揭示了肿瘤内部复杂的病理活动：NAA下降提示神经元丢失，胆碱升高反映细胞膜快速增殖，乳酸升高意味着肿瘤正在进行厌氧糖酵解，谷氨酰胺增加则提示肿瘤对谷氨酰胺代谢产生依赖。与此同时，T2*、OEF和DBV等指标又揭示了肿瘤缺氧与血流变化，而MWF下降则说明脱髓鞘正在发生。传统MRI只能“看到一个肿块”，MRx则像是直接读出了肿瘤的代谢语言。在另一组低级别与高级别少突胶质细胞瘤的对比实验中，图3b进一步体现了MRx的临床价值。两位患者在FLAIR和增强T1图像上看起来极为相似，传统MRI很难判断肿瘤等级。但MRx发现，高级别肿瘤的胆碱和乳酸显著升高，分别增加58.8%和84.3%，提示其细胞增殖与无氧代谢明显更活跃。这一结果与病理切片高度一致。

基于这些多维生物标志物，研究团队进一步构建了“组织状态指数”（图3c）。这个指数利用机器学习，把高维MRI数据压缩成一个单一变量，从而描述组织所处的“生理状态”。结果显示，传统多参数MRI无法清晰区分水肿、低级别肿瘤和高级别肿瘤，而MRx的组织状态指数却能够将八种不同组织状态明显分离。这意味着，MRI第一次具备了像病理学一样“给组织分类”的能力。

图3：MRx用于脑肿瘤研究，可识别肿瘤代谢特征、区分不同级别胶质瘤，并构建组织状态指数实现精准分型。

在多发性硬化（MS）研究中，MRx同样展现出强大的疾病解析能力。图4a显示，MRx能够将健康白质、灰质、脑脊液以及活动期、慢性活动期和慢性MS病灶清晰区分，而传统MRI很难做到这一点。图4b中，一位MS患者同时存在活动性和慢性病灶。传统FLAIR影像只能看到亮斑，而MRx则揭示了病灶背后截然不同的病理机制：活动病灶乳酸明显升高，提示炎症导致高糖酵解；mIn/NAA比例变化则反映胶质细胞增殖与轴突损伤；MWF下降则对应持续脱髓鞘。也就是说，MRx不仅能发现病灶，还能告诉医生“病灶此刻正在发生什么”。

更令人期待的是，MRx甚至展现出预测疾病未来演变的能力。图4c中，研究人员对患者进行了4个月随访，并利用初始扫描数据预测病灶是否会扩大、稳定或缩小。结果显示，一些在传统FLAIR图像中尚不可见的“前病灶区域”，已经在MRx中表现出mIn/NAA异常升高，提示局部胶质反应和轴突功能异常。这意味着MRx有望在症状和结构损伤真正出现之前，提前捕捉疾病进展信号。

图4：MRx用于多发性硬化研究，可区分活动期与慢性病灶，并预测病灶未来演变方向。

小结

MRx并不仅仅是MRI序列升级，而更像是一种全新的影像框架。未来，它可以进一步融合灌注、弹性成像、磁化转移甚至多核磁共振，实现更加全面的组织状态评估。对于脑卒中、癫痫、阿尔茨海默病等疾病，MRx都可能提供传统MRI无法获得的代谢与功能信息。更深远的意义在于，MRx可能成为“数字孪生医学”的关键入口。当前AI驱动的数字孪生模型之所以受限，很大程度上是因为缺乏足够丰富的影像生物标志物。而MRx提供的高维组织状态图谱，恰好能够为AI模型提供真正动态、分子级别的人体信息。未来，医生或许不仅能看到病灶，还能提前预测疾病未来的演变轨迹，甚至模拟不同治疗方案下的结果。

下一篇：计算感知实验室主办物理智能磁共振临床转化合作研讨会