全球首个高精度完整肝脏三维病理图谱发布，研究团队来自上海

长久以来，病理学家仅能通过二维切片推测肝脏病变，如同拿着平面地图研究立体城市。如今，肝脏终于能够实现完整的高精度三维成像了，效果堪比在细胞尺度构建肝脏“数字孪生体”。

上海药物所张小川副研究员、临港实验室博士后杨维成为本文共同第一作者，上海药物所张小川副研究员、高召兵研究员、临港实验室殷宪振研究员为本文共同通讯作者。

在人体这座精密“生命工厂”中，肝脏如同24小时运转的核心处理中心，肩负着解毒代谢、物质合成等500余项生理功能。中国脂肪肝患者已超过2亿，构成日益严峻的公共卫生挑战；同时，全球每年因肝硬化死亡人数超过百万，形势同样不容乐观。

本研究中，上海药物所MOST技术服务部、高召兵课题组联合临港实验室殷宪振课题组构成多学科交叉团队，利用显微光学切片断层成像（MOST）技术，实现了完整肝脏0.35×0.35×2微米超高分辨率的三维成像，相当于在细胞尺度构建肝脏“数字孪生体”。

这项技术突破不仅完整呈现包含肝脏各叶、胆囊以及中央静脉、门静脉、动脉、胆管、肝血窦和肝细胞的关键结构的空间关系，更首次捕获到传统手段无法观测的胆管周围微血管丛等精细结构。研究为系统全面从器官到脉管到细胞，跨尺度精确表征肝脏解剖结构和各类疾病病理变化奠定了基础。

采用MOST和全肝尼氏染色法，获得肝纤维化多结构三维病理全景图 “中国科学院上海药物研究所”微信公众号 图

为破解肝纤维化等慢性肝病难题，研究团队构建了四氯化碳（CCl4）诱导的肝纤维化模型小鼠肝脏病理图谱，同时进行了深入的三维全景分析。研究发现，肝细胞脂肪变性的严重程度与距离中央静脉的距离密切相关，距离越近，脂肪变性越严重，而与中央静脉的直径大小无明显相关性。这种病理特征的区域特异性，为理解肝纤维化的发病机制提供了新的线索，也为潜在靶标发现与靶向治疗提供了精准坐标。

为了更精准地分析肝纤维化的病理特征，研究团队采用了深度学习技术对三维病理图谱大数据进行自动分割和分析。通过对大量图像数据的训练，深度学习模型能够自动识别和分割出脂肪变性的肝细胞，并对其体积比例进行了精确计算。结果显示，肝纤维化小鼠肝脏中脂肪变性肝细胞的体积比例高达30.76%。此外，研究还发现不同肝脏叶之间的脂肪变性程度相对一致，进一步证实了肝纤维化病理改变的普遍性和区域特异性。深度学习技术的应用不仅提高了病理分析的效率和准确性，还为未来的病理诊断和研究提供了新的工具和方法。

中国科学院上海药物研究所表示，该研究所建立的技术体系不仅适用于基础研究，更为肝脏病理的临床诊断和治疗提供了新的思路和方法。高精度全肝脏图谱的构建和三维病理分析方法的成功应用，使得肝脏疾病的诊断能够更加直观、全面地反映肝脏的三维结构和病理变化。未来，高精度全肝脏图谱的构建和三维病理分析技术有望进一步推广应用于其他肝脏疾病的研究和临床病理研究中，为开发更有效的治疗策略提供有力支持。