在外科手术中，医生往往需要一边切除肿瘤，一边避开血管等，同时还要对关键器官的功能状态进行实时监测。想象一下，如果手术台上能出现一幅实时的“体内地图”，不同组织用不同颜色点亮，医生就能清晰、全面地看到目标区域，大大降低手术风险。

近日，复旦大学化学系张凡/王尚风团队联合计算与智能创新学院颜波/谭伟敏团队发明了一种名为“镧系彩虹”的新型分子调色板，能克服光与组织相互作用，在深层组织中实现高分辨率高容量九色成像。凭借其生成的高质量、高稳健的成像数据，团队进一步引入人工智能算法，成功在活体中对多个脏器进行不同颜色的标记，实现了实时动态荧光手术导航，为精准医疗和复杂生命机制研究带来颠覆性工具。8月27日，相关研究成果在线发表于《自然光子学》。

据介绍，传统荧光成像通过给不同分子打上“彩色标签”，让科学家可以同时追踪多个目标。然而在哺乳动物体内，光线会被组织强烈散射，还会受到自发荧光的干扰，导致图像模糊。常用的可见光探针（400–750纳米）很难突破这一瓶颈，而短波红外光（750–2500 纳米）虽然克服光与组织相互作用，看得更深更清楚，但现有探针亮度不足、信号重叠严重，无法实现多个位点的实时动态成像。

针对以上难题，张凡团队利用稀土元素铒的独特光学特性，通过分子工程设计构建了一系列具有三明治结构的新型酞菁铒配合物探针“镧系彩虹”。它们的吸收波长分布在673纳米至772纳米，但发射统一集中在1530 纳米——一个组织散射较小、自发荧光几乎为零的光学窗口。

利用这一独特且优越的光谱性质，研究者创新性地引入了“激发编码、单一发射”的多光谱成像策略。这种方法克服了基于多发射的多光谱方法中存在的光子效率限制以及波长相关的图像保真问题，确保了在所有通道中都能实现一致的高对比度成像，在深层组织中实现了高保真的九种信号的区分。

然而，想要实现外科手术过程中“体内地图”的构建，成像数据的实时分析是一重要要素。传统多光谱成像的图像处理和分析，往往需要有经验的领域专家来进行耗时的试验后分析，这降低了成像结果的时效性，限制了应用范围。

依托复旦大学“AI for Science”（科学智能）多学科交叉融合的优质生态，张凡团队和计算与智能创新学院颜波团队一拍即合，以“实时处理高维多光谱数据集”为目标，构建了AI模型，实现了多光谱数据的自动化分析。

利用AI辅助的镧系彩虹多光谱成像技术，团队成功实现了在结直肠癌小鼠模型中的五色荧光指导手术导航。该系统能够同步可视化肿瘤原发灶、转移结节、血管与肠道运动，并通过这一AI模型，神经网络自动完成光谱特征提取与分解，在术中实时输出清晰的解剖结构与功能信息。这意味着外科医生未来有望在手术台上实时看到肿瘤、血管、淋巴结及肠道功能的多通道动态画面，大幅提升精准切除和术中判断的能力。

这一成果展现了化学与人工智能科学的深度交叉，共同搭建了一个科学智能的新范式。未来，镧系彩虹有望扩展到更多疾病诊断与治疗场景，如脑科学研究、心血管监测乃至机器人辅助手术。可以预见，随着跨学科平台与智能算法的不断进化，我们将会迎来一个全新的医学图像时代——医生不再依赖单一的手术视野，而是拥有一幅实时、多通道、智能解析的“体内地图”。

原标题：《实时动态手术导航，复旦团队成功绘制可视化小鼠“体内地图”》

题图上观题图

作者：解放日报 黄海华