新一代 IHC 技術：多光譜成像 — 突破傳統限制，實現精準定量分析

深入探索多光譜 IHC 成像技術，如何透過光譜分離與定量分析，革新病理診斷與生物醫學研究。

免疫組織化學 (IHC) 是病理診斷和生物醫學研究中不可或缺的工具。它利用抗體與抗原的專一性結合，在組織切片上精準定位特定蛋白質的表現。從癌症診斷、預後評估到治療藥物選擇，IHC 都扮演著舉足輕重的角色。然而，傳統 IHC 技術在多重標記和定量分析方面存在局限。

多光譜成像 (Multispectral Imaging, MSI) 技術的出現，為這些挑戰提供了創新的解決方案，開啟了精準病理學的新篇章。

傳統 IHC 在多重標記與定量分析上面臨哪些挑戰？

傳統免疫組織化學 (IHC) 在多重標記與定量分析上主要面臨訊號重疊和主觀判讀的挑戰，限制了同時分析多個生物標記的能力，並影響診斷的客觀性與一致性。

傳統 IHC 透過抗原抗體反應，將目標蛋白可視化。這項技術能直接在組織的原始結構中觀察蛋白質的表現位置，提供重要的空間資訊。其高特異性使其能精準辨識特定蛋白質，即使是微量表現也能被偵測。

多重染色訊號重疊問題

傳統 IHC 的多重染色常因顯色劑或螢光染料的光譜重疊而導致訊號混淆。例如，DAB 和 AP 顯色產物在光譜上可能存在部分重疊，使得難以精確區分不同標記的真實表現。

這種限制嚴重阻礙了同時分析多個生物標記的能力，尤其在需要複雜生物標記組合的癌症研究中。例如，同時分析 PD-L1、CD8 和 FoxP3 等免疫檢查點標記，對於評估腫瘤微環境 (TME) 至關重要，但傳統方法難以有效區分。

主觀判讀與定量分析的局限

傳統 IHC 的判讀多數依賴病理醫師的主觀評估，如染色強度和陽性細胞比例。這種半定量性質可能導致不同醫師間判讀結果的差異，影響診斷的客觀性與一致性。根據多項研究顯示，傳統 IHC 判讀的批次間變異係數 (CV) 可能高達 20-30%。

因此，對更客觀、精準的定量分析方法需求日益增加，以提升病理診斷的標準化與再現性。這也是多光譜成像技術應運而生的主要原因。

多光譜成像 (MSI) 技術如何突破傳統 IHC 的限制？

多光譜成像 (MSI) 技術透過光譜分離演算法，能有效區分不同染料的光譜訊號，從而克服傳統 IHC 的訊號重疊問題，實現多重標記的精準定量分析。

多光譜成像是一種先進的數位成像技術，它在多個連續的窄波段範圍內捕獲組織樣本的光譜資訊，而非僅僅是紅、綠、藍 (RGB) 三個寬波段。這使得每個像素都帶有完整的光譜曲線，成為其獨特的「光譜指紋」。

光譜分離 (Spectral Unmixing) 原理與優勢

光譜分離是多光譜成像的核心技術，它利用每個染料獨特的光譜特徵，即使這些染料的光譜存在重疊，也能透過數學演算法將其精確分離。這項技術允許研究人員在單一組織切片上同時應用多達 6-8 種甚至更多螢光染料，而不會產生訊號混淆。

這種能力對於分析複雜的細胞亞群和細胞間相互作用至關重要，例如在腫瘤免疫微環境中同時觀察多種免疫細胞標記。研究指出，應用光譜分離技術可將多重染色的準確性提升至 95% 以上。

Vectra 多光譜成像系統：業界標準

Vectra 多光譜成像系統（如 Akoya Biosciences 的 Vectra Polaris）是目前市場上領先的多光譜成像平台，廣泛應用於臨床研究和藥物開發。它結合了高解析度成像、多光譜捕獲和強大的影像分析軟體。

Vectra 系統能自動掃描整個組織切片，並生成多光譜影像立方體 (hypercube)，隨後利用其專有的光譜分離演算法將不同染料的訊號分離。這使得研究人員能夠對每個細胞內的每個標記進行定量分析，例如測量蛋白質表現量、細胞形態學特徵以及細胞間距離等空間資訊。

多光譜成像如何實現精準定量分析與空間生物學研究？

多光譜成像透過自動化影像分析軟體，能夠對每個細胞的每個標記進行精確的定量，並提供詳細的空間分佈資訊，從而實現精準定量分析和深入的空間生物學研究。

傳統 IHC 的半定量評估已無法滿足現代精準醫學的需求。多光譜成像系統則提供了客觀且高度再現的定量數據。

細胞級別的定量分析

多光譜成像技術能夠在單細胞層次上對多個生物標記進行定量。這意味著可以精確測量每個細胞核、細胞質或細胞膜上特定蛋白質的表現強度，並計算陽性細胞的比例。

例如，在腫瘤免疫學研究中，可以同時定量腫瘤細胞、不同亞型 T 細胞 (CD3+, CD8+, FoxP3+) 和巨噬細胞 (CD68+, CD163+) 上的 PD-L1 表現，並分析其共定位關係。這種精細的定量能力對於發現新的生物標記和預測治療反應至關重要。

空間生物學與腫瘤微環境分析

多光譜成像的另一個關鍵優勢在於其對空間資訊的保留和分析能力。透過影像分析軟體，可以繪製細胞類型和生物標記在組織切片中的精確空間分佈圖。

這使得研究人員能夠分析細胞間的距離、相互作用以及細胞群體的聚集模式，進而深入了解腫瘤微環境 (TME) 的複雜性。例如，研究發現，CD8+ T 細胞與腫瘤細胞的距離，以及 PD-L1 在腫瘤細胞和免疫細胞上的共表達模式，與免疫治療的療效顯著相關。

「多光譜成像技術的出現，使我們能夠以前所未有的深度解析組織微環境中的細胞異質性和相互作用，這對於理解疾病進程和開發新型治療策略至關重要。」

— Akoya Biosciences, 2023