保乳手术 (BCS)，也称为乳房肿瘤切除术，涉及切除癌性肿块和一些周围组织。BCS 适用于早期乳腺癌或肿块较小的女性，因为与乳房切除术相比，它可以保留更多的乳房。保乳手术后，务必确保切除所有癌细胞，以确定是否需要进一步手术。这是通过肿瘤边缘评估来完成的，其中检查切除区域的边缘(肿瘤边缘)是否存在癌细胞。通常，肿瘤边缘评估涉及用染料染色组织样本，然后在显微镜下检查它们以区分健康细胞和癌细胞。然而，新兴的光学成像方法为这种评估提供了更快的替代方法。
在《生物医学光学杂志》上发表的 一项研究中 ，来自美国的研究人员引入了高光谱暗视野显微镜 (HSDFM)，作为一种快速准确区分癌细胞和健康细胞以及在乳房肿瘤切除术后识别乳腺组织内不同肿瘤亚型的方法。作者 Jeeseong Hwang 解释说：“通过将机器学习算法应用于成像数据，我们成功地在新鲜激发的组织中识别出包含癌亚型(包括浸润性导管癌和浸润性粘液癌)的特定区域。”
在 HSDFM 中，组织样本被多种波长的光照射，并分析来自细胞和分子物质的散射光强度随波长变化的差异，以产生组织的独特光谱特征。该方法产生二维图像，其中每个像素包含多个波长的光谱信息，使其能够识别组织的成分。这种成像方法专门解决了大多数高光谱肿瘤边缘成像技术中存在的问题，这些技术依靠反射率来收集组织样本的光谱数据。基于反射率的方法遇到了挑战，因为血液中的氧合血红蛋白等生物物质对光的吸收不均匀，导致多个样本的光谱特征不一致。
在这项研究中，研究人员分析了从多名患者身上采集的乳房肿瘤切除术样本的 HSDFM 图像。为了根据组织类型对像素进行分类，他们使用了两种不同的方法：监督和无监督机器学习。
对于监督方法，研究人员使用了一种称为光谱角映射的方法，该方法将高光谱图像中每个像素的光谱特征与通过组织病理学分析确定的肿瘤亚型和组织类型(如脂肪、互连组织和血液)的已知光谱特征进行比较。对于非监督方法，他们使用了 K均值聚类算法。该方法将具有相似光谱特征的像素分组为簇，从而便于识别肿瘤区域，而无需事先了解参考光谱或组织类型。
两种方法获得的光谱特征非常相似，并且有效地精确定位了浸润性导管癌(最常见的乳腺癌类型，占所有乳腺癌病例的 75%)以及浸润性粘液癌(一种罕见的类型，其特征是癌细胞在粘液中发展)。
乳腺癌是女性癌症相关死亡的主要原因。这项研究表明，无监督方法得到了监督方法的验证，因此 HSDFM 成像数据可用于开发无监督算法，以快速准确地识别癌组织。因此，它有望增强 BCS 的术后护理并促进及时采取纠正措施。