OEA丨AI融合非线性光学成像技术：揭示糖尿病“隐形骨损伤”的新线索。
Opto-Electronic Advances论文推荐中国医学科学院北京协和医学院李婷研究员团队联合北京航空航天大学以及上海东方医院创新性地将多通道非线性光学成像与人工智能分析深度融合 ，利用机器学习算法构建了分类模型 ，并首次在人类骨样本中揭示了T2 DM骨组织特有的空间退化特征 ，展示了多模态非线性光学成像技术与AI深度融合在生物医学研究中的巨大潜力。
文 章 Zhang BW, Pu JB, Hu T et al. AI-powered nonlinear optical imaging reveals protein spatial homogenization as an indicator of impaired bone quality in type 2 dia b etes. Opto-Electron A dv 9, 250312 (2026).
第一作者：张博文，蒲江波
通信作者：李婷
研究背景
在传统的骨骼健康认知中， 骨密度（BMD） 一直被奉为评估骨折风险的金标准 。然而在II型糖尿病（T2 DM） 患者中， 常出现骨密度正常却极易骨折的 隐形骨损伤现象。这表明， 骨骼质量不仅取决于无机矿物质的堆砌， 更深层地依赖于骨组织内部的微观结构、有机材料的组成分布 ，以及复杂的骨细胞网络状态。
然而， 要精准捕捉这些微米甚至纳米尺度的骨骼内部病变， 传统检测手段显得捉襟见肘。 目前的组织学研究高度依赖繁琐的化学染色、 时间冗长的脱钙和切片处理 ，这不仅耗时费力 ，更会不可逆地破坏骨组织极其脆弱的原生微环境。然而 ，传统的光学成像技术往往只能实现单一成分（如仅观察胶原纤维或某种特定矿物质） 的管中窥豹 ，无法同时呈现多种关键分子在三维空间中的精密交互 ，难以拼凑出T2 DM骨质脆弱的完整病理图景。
面对这一长期存在的观测瓶颈 ，前沿的光电成像技术——多模态非线性光学（NLO） 成像术 ，为破解糖尿病 隐形骨损伤谜团提供了光学破局之道 。该技术巧妙利用分子固有的非线性光学效应与振动光谱特征 ，无需任何外源性标记或破坏性脱钙， 即可实现骨组织的原位光学活检 。通过将受激拉曼散射（SRS） 、二次谐波发生（SHG） 与双光子激发荧光（TPEF） 三种先进光学模态集成于同一成像平台 ，研究人员得以高分辨地绘制出包含蛋白质、脂质、胶原纤维等多种生化成分的全景地图 。这种多维度光学信息的无损获取 ，为全面揭示复杂骨疾病的微观机制奠定了坚实的技术基础。
本文亮点
1. 光学成像与AI的共振 ：从单一成分观察 到多模态信息融合
为了突破单一成分成像的诊断局限， 中国医学科学院北京协和医学院李婷研究员团队联合北京航空航天大学以及上海东方医院创新性地将多通道非线性光学成像与人工智能（AI） 分析深度融合 。多通道图像蕴含着人眼难以察觉的高维微观病理信息（图1） 。研究团队提取了各通道的空间纹理特征 ，并利用机器学习算法构建了分类模型。结果证实， 当融合蛋白质、 自发荧光代谢物和磷酸根这三个核心光学通道的信息时 ，AI模型能够极其敏锐地捕捉T2 DM骨组织的光学异质性 ，其识别准确率高达93.56% ，全面碾压传统单一光学通道（约70%） 的诊断效能（图2）。
图1骨单位多模态非线性光学成像图
图2纹理特征融合分类结果
2.研究发现与意义：蛋白质空间均质化成为潜在骨质量新指标
通过AI的可解释性分析 ，研究团队首次在人类骨样本中揭示了T2 DM骨组织特有的空间退化特征 ：原本在健康骨细胞网络中呈现精细、高对比度分布的蛋白质 ，在T2 DM患者中发生了病理性重组 ，其空间光学分布变得异常均匀与平滑。研究人员将这一独特的光学纹理退化定义为 蛋白质空间均质化 。 它不仅可能映射了骨细胞通讯网络的受损与结构化梯度的丧失 ，更成为了揭示糖尿病骨质量劣化的光学病理标签 （图3）。
图3多通道纹理特征可视化
当然 ，该技术迈向更广泛的应用仍需进一步探索。例如 ，未来可以通过扩大样本规模并引入多中心临床数据， 以提高模型在复杂人群中的泛化能力； 同时 ，结合免疫组化、蛋白质组学或力学测试等多种实验手段 ，对 蛋白质空间均质化这一特征背后的分子机制进行进一步验证。总而言之 ，这项研究展示了多模态非线性光学成像技术与AI深度融合
在生物医学研究中的巨大潜力。 它不仅为识别糖尿病相关骨质量变化提供了一种全新的光学成像手段 ，也为利用先进光学成像技术解析复杂疾病微观病理变化开辟了一条新的研 究 路 径 。 该 工 作 以 AI-powered nonlinear optical imaging reveals protein spatial homogenization as an indicator of impaired bone quality in Type 2 Diabetes为题发表在 Opto-Electronic Advances 2026年第5期。
该 工 作 得 到 国 家 重 点 研 发 计 划 （ 2025YFE0204500 、 2025YFE0218400 、 2025YFC2427800 、 2025ZD0548504 ） ； 国 家 自 然 科 学 基 金 重 大 研 究 计 划（92570204）和PUMC杰出人才计划（2025-I2M-XHJC-045） 的资助。
研究团队简介
智能诊疗技术实验室（AI theranostics, AIT） 成立于2018年初 ， 以光电技术与深度学习神经网络为基础 ， 主要研究传感 、 检测 、 调控 ， 以及闭环脑机接口 ，结合临床需求研制智能诊疗一体化设备与机器人 。 开展以神经重症监护与康复为主的典型临床应用研究 ， 同时以上述技术所测的组织氧传输、血液动力学、脑电/肌电、脑网络信号等为表征探索神经可塑性机制与类脑智能 。 在OEA、 AM、 IEEETII等期刊发表论文120余篇 。 研究成果获得Melvin H. Knisely 国 际 奖 以 及 国 家 省 部 级 奖 项 6 项 ， 被 十 多 家 国 际 知 名 媒 体 报 道 ， 包 括Advanced Sci News 、 OSA等 。 团队现有博士后 、 博士生 、硕士生及科研人员十余名 ， 已培养毕业多位优秀博士和硕士。
AIT团队合影
长按识别此二维码，直达全文
来源：光电期刊
