连续明场图像与已有风险标签对应
2025 年 6 月 7 日，Communications Biology 发表 DILITracer 研究。东南大学（Southeast University）等机构团队将人肝类器官的明场图像与药物性肝损伤（drug-induced liver injury，DILI）分类信息对应，考察组织形态随时间变化能否用于区分不同风险类别。
研究选取 FDA DILIrank 中 30 种药物，涵盖 Most、Less 和 No 这 3 类既有标签。标签来自药物已有临床信息，实验则观察体外组织接受处理后的变化；计算模型学习的是图像序列与这些药物类别之间的联系。
所选材料包括 4 组结构相关的药物，也覆盖线粒体损伤、反应性代谢物及胆汁运输等多类相关过程。这样的组合使图像分析涵盖不同药物的作用背景。
研究连续收集不同时间及多个焦平面的明场图像。与一次性终点照片相比，序列保留生长、停滞及结构变化的进程，多个焦平面则提供三维组织在不同高度的信息，这些信息随后共同输入时空计算模型。
4 组结构相关对照分别包括曲格列酮与吡格列酮、托卡朋与恩他卡朋、奈法唑酮与丁螺环酮，以及曲伐沙星与左氧氟沙星。
肝类器官与 HepG2 球状体的形态与功能比较
团队同时建立 HepG2 球状体及多细胞肝类器官，分别接受同一组药物测试。结束时测量白蛋白及 ATP 等指标，为图像中的组织状态提供功能检测背景；药物引起的形态变化与这些测量一并记录。
类器官中检出肝细胞、内皮、库普弗细胞及星状细胞相关标志，并显示细胞连接及胆汁相关结构信号。与 HepG2 球状体比较，部分药物代谢酶基因的表达较高，这些模型差别可能影响药物响应以及图像中可用于分类的信息。
例如，接受氯苯那敏处理的类器官继续生长，形成边界清晰的中空球状结构；辛伐他汀组生长受抑，但仍保持完整球形；吉非替尼组则出现细胞死亡，并在第 3 天末发生结构解体。
肝类器官与球状体的分类表现
图像特征提取采用在约 70 万张细胞图像上预训练的 BEiT-V2，并进一步组织时间及空间信息。研究中肝类器官模型的总体分类准确率为 82.34%，HepG2 球状体对应结果为 77.41%。
肝类器官模型正确识别了约 90.16% 的 No 类样本。不过，在 Most 类样本中，其召回率和 F1 分数低于 HepG2 球状体模型。
两类材料分别得到 158 组肝类器官数据和 478 组 HepG2 球状体数据，每组包含连续 4 天、多个焦平面的图像。方法部分报告按 80:20 随机划分数据，并采用五折交叉验证取平均值作为评价指标；这些数值来自本研究图像数据集的内部评价。
肝类器官模型在 No 类的特异性为 85.57%，低于球状体模型的 94.16%。作者认为，三个类别样本量不平衡可能造成表现差异；模型对免疫介导肝损伤的覆盖也仍不充分，计划进一步改进类器官或芯片系统。
分别去除时间与空间信息，比较分类表现
研究通过消融实验检验输入信息的作用。将图像序列的时间范围从第 0–3 天缩短至第 0–1 天后，论文报告分类准确率下降约 12.09 个百分点；时间进程所包含的生长或损伤变化因此对这组模型有实际贡献。
另一组实验以融合后的三维图像替代多个焦平面输入，并去除空间编码层，论文报告准确率下降约 6.24 个百分点。这种比较说明图像如何组织，也会影响算法能够利用的空间信息。
注意力可视化进一步检查模型主要关注哪些区域。较高权重集中在清楚成像的类器官及发生明显生长、解体变化的位置，使研究者能够查看计算结果与组织形态的关系。