《European Journal of Surgical Oncology》：Artificial Intelligence in Advancing Optical Coherence Tomography for Disease Detection and Cancer Diagnosis: A scoping review
編輯推薦：
本綜述聚焦光學相干斷層成像（OCT）與人工智能（AI）結合的醫學應用，探討 AI 通過機器學習（ML）、深度學習（DL）算法助力 OCT 自動分析圖像、提升診斷精度，覆蓋眼科、心血管科、腫瘤科等領域，展望技術挑戰與優化方向。
光學相干斷層成像與人工智能結合的醫學應用進展
背景與技術概述
光學相干斷層成像（Optical Coherence Tomography, OCT）是一種高分辨率無創成像技術，利用近紅外光的低相干干涉原理，實現組織反射光分析并生成微米級分辨率的三維斷層圖像。其實時成像特性使其在眼科、心血管科、皮膚科及腫瘤科等領域廣泛應用，可輔助早期疾病檢測、病程監測與治療方案設計。例如，在眼科中，OCT 為年齡相關性黃斑變性（AMD）和糖尿病視網膜病變患者提供無創監測；血管內 OCT（IV-OCT）通過顯示冠狀動脈斑塊細節助力冠心病診療；在腫瘤領域，OCT 對皮膚、口腔及胃腸道等上皮癌的淺表層實時成像展現出潛力。
然而，OCT 的臨床應用受限于復雜圖像解讀對專業知識的高要求、診斷結果的不一致性，以及海量數據帶來的存儲、處理與分析挑戰。人工智能（Artificial Intelligence, AI），尤其是機器學習（Machine Learning, ML）和深度學習（Deep Learning, DL）算法的引入，為突破這些瓶頸提供了可能。AI 通過自動化和優化 OCT 圖像分析流程，有望實現更快速、準確且一致的診斷。
人工智能在 OCT 中的關鍵應用
AI 在 OCT 系統中的應用主要體現在以下方面：
- 自動疾病檢測與圖像分析：卷積神經網絡（Convolutional Neural Networks, CNNs）等深度學習模型可有效識別 OCT 圖像中的正常與癌變組織細胞，實現對 OCT 圖像的分類。例如，在腫瘤診斷中，AI 驅動的 OCT 系統能夠從成像數據中提取人類肉眼難以察覺的復雜模式和生物標志物，提升診斷精度。
- 實時手術決策支持：AI 通過改善 OCT 的疾病分類能力與腫瘤邊緣檢測能力，助力腫瘤手術中的實時決策，幫助外科醫生精準定位腫瘤邊界，減少殘留惡性組織。
- 成像質量優化：AI 技術可通過提升成像質量、實時數據處理、降低噪聲水平及提高分辨率等方式，克服 OCT 的技術限制。
OCT 在腫瘤學中的應用實踐
在腫瘤學領域，OCT 的應用主要集中于上皮癌的早期檢測與診斷：
- 皮膚科：OCT 用于基底細胞癌、鱗狀細胞癌和黑色素瘤等早期惡性皮膚癌的診斷，通過對皮膚層成像，評估結構異常、腫瘤邊緣及細胞紊亂等惡性特征，實現可疑皮膚病變的無創實時觀察，減少不必要的活檢。
- 其他上皮癌檢測：OCT 在口腔、胃腸道等部位的上皮癌檢測中亦展現出潛力，其非侵入性實時成像特性為淺表層病變的早期發現提供了新手段。
挑戰與未來展望
盡管 AI 與 OCT 結合已取得顯著進展，但仍面臨以下挑戰：
- 模型有效性與數據問題：臨床環境中存在模型有效性不確定、數據集相似性不足及潛在的數據偏差等問題，影響 AI 模型的泛化能力。
- 技術優化需求：需進一步優化 AI 模型，提升其在復雜臨床場景中的性能，并推動 AI-OCT 系統在醫療環境中的更好實施。
未來，OCT 技術的發展將聚焦于儀器改進、AI 算法優化及與其他先進成像技術的聯合應用。例如，全視野 OCT（FF-OCT）通過動態細胞成像實現高分辨率成像與微觀結構實時可視化，有望檢測到微小病理細胞變化，助力更早的疾病發現。
結論
OCT 通過近紅外光實現生物組織的高分辨率斷層成像，為無創性疾病檢測與癌癥早期診斷提供了有力工具。AI 與 OCT 系統的結合革新了醫療診斷流程，通過自動化圖像分析、提升診斷精度及支持實時手術決策等，展現出在癌癥診療中的巨大潛力。未來需進一步解決數據偏差、優化 AI 模型，并推動該技術在臨床場景中的廣泛應用，以實現更高效的疾病檢測與個體化治療。
