近日，西安交通大学第一附属医院肝胆外科教授胡良硕、王博团队在《国际外科学杂志》发表研究成果。该研究将近红外高光谱成像与深度学习相结合，构建了一套用于肝移植供肝智能评估的新系统。团队国内首创自主研发了适用于供肝获取手术场景的近红外高光谱成像系统，并结合卷积神经网络与最小二乘支持向量机等深度学习模型，构建了一套智能化的供肝质量评估体系。

肝移植是治疗终末期肝病的唯一有效手段，然而全球范围内的供体严重短缺迫使临床广泛使用“扩大标准供肝-边缘供肝”，如中重度脂肪肝或老年肝脏。这类供肝对缺血-再灌注损伤极其敏感，显著增加了术后发生早期移植物功能障碍甚至移植失败的风险。目前，肝移植供肝获取术中评估供肝质量主要依赖外科医生的主观判断或病理活检。

胡良硕进一步解释，这些方法或主观性强、或有创且需要等待，进而延长了冷缺血，难以满足对供肝质量进行快速、客观、无创、定量评估的迫切临床需求。因此，开发一种能够在手术现场实时、精准评估供肝脂肪变性、缺血损伤程度及炎症状态的创新技术，对于提高肝移植成功率和拓展供肝池具有重要意义。

“研究实现了肝组织脂质与炎症因子的无创光谱量化。”论文第一作者、博士生王子辰介绍，团队通过高光谱成像，在900–1700纳米波段内精准识别出肝组织中脂肪（甘油三酯及胆固醇）含量与水含量的变化，并首次实现对关键炎症因子的无创预测，模型预测精度显著优于传统方法。

智能化的供肝质量评估体系。西安交大一附院供图

团队构建的AI模型，能对肝脂肪变性及缺血再灌注损伤进行轻、中、重度分级，分类准确率超过99%，极大地提升了评估的客观性与一致性。同时，团队通过临床研究，证实了该系统不仅能准确区分供肝轻、重度缺血再灌注病理损伤程度，更能在病理表现相似的情况下，通过光谱差异成功预测患者是否会发生早期移植物功能障碍，为术后管理提供了前瞻性依据。

进一步地，团队结合靶向脂质代谢组学，发现严重缺血再灌注损伤肝组织中多种磷脂代谢物显著下调，从分子层面解释了光谱信号变化的生物学基础，为后续开发靶向干预策略提供了新线索。

该研究还具有潜在的临床转化意义：系统可在肝移植供体获取手术中实时成像，无需染色、无需活检，实现了真正意义上的无创、快速、全视野评估，尤其适用于边缘供肝的评估，推动器官评估从经验判断走向数据驱动；通过光谱特征预测早期移植物功能障碍，有助于术后及时调整治疗方案，提高移植物存活率与患者预后；未来可整合至供肝机械灌注平台，实现供肝在体外灌注过程中的全程质量监测与动态优化，提升边缘供肝的修复与利用效率。

相关论文信息：https://doi.org/10.1097/JS9.0000000000004819