文献导读：

近期，瑞典乌普萨拉大学研究团队在国际知名期刊《npj Digital Medicine》发表题为“Droplet microfluidics with image texture quantification for detection of rare antibiotic-resistant subpopulations from bloodstream infections”的研究论文，介绍了一种液滴微流控结合图像纹理量化的新技术，旨在快速检测临床血流感染中的异质耐药性（HR）。

传统的检测方法如群落分析谱（PAP）测试通常耗时较长且劳动强度大，而该新平台通过分析液滴内细菌生长引起的图像像素变化，显著缩短了诊断时间。研究成功在金黄色葡萄球菌等多种革兰氏阳性和阴性致病菌中，实现了对出现频率低至百万分之一的罕见耐药亚群的精准识别。实验证明，该方法在12至48小时内即可提供结果，且其精确度与金标准高度一致。这种数字化表型分析技术具有高通量和单细胞分辨率的优势，为临床优化抗生素治疗方案提供了强有力的工具。这一创新有望减少医疗成本并降低血流感染的死亡风险，具有重要的临床诊断应用前景。

本文要点：

1. 研究背景与挑战

• 异质性耐药（HR）：指在主要敏感的细菌种群中存在极少数（频率约 10^-7至 10^-4）耐药亚群的现象，这可能导致抗生素治疗失败。

• 诊断困境：标准的抗生素敏感性试验（AST）通常无法检测到 HR，而目前检测 HR 的“金标准”——群体分析图谱（PAP）测试不仅耗时（需2-3天），且劳动强度极大。

2. 核心技术方案

• 液滴微流控：将细菌种群封装在纳升级液滴中进行高通量培养。与之前依赖液滴收缩的方法不同，该方法利用图像纹理量化来识别细菌生长。

• 图像纹理分析：通过计算灰度共生矩阵（GLCM）中的“均匀度”（homogeneity）和“相关性”（correlation）两个参数，自动且客观地分辨液滴中细菌是否生长。

• 通用性：这种基于图像的方法不受培养基和细菌种类的影响，适用于多种临床病原体。

3. 检测表现与实验结果

• 广泛的适用性：成功检测了包括鲍曼不动杆菌、肺炎克雷伯菌、铜绿假单胞菌（革兰氏阴性）以及金黄色葡萄球菌（革兰氏阳性）在内的多种导致血流感染的细菌。

• 检测时效：检测时间缩短至 12 到 30 小时（取决于菌株），显著快于传统的 PAP 测试。

• 灵敏度：能够检测到频率低至 10^-6的罕见耐药亚群。

4. 主要优势与临床意义

• 低成本与自动化：与 PAP 测试相比，该平台的消耗品和人力成本降低了约 5 到 2.5 倍，且更容易实现高通量操作。

• 更早的生长指示：研究观察到，纹理变化通常比液滴收缩早出现 1-2 小时，能提供更早的生长信号。

• 精准医疗：该技术为血流感染患者提供了更快速、灵敏的诊断工具，有助于及早优化抗生素治疗方案，降低医疗成本并改善临床预后。

图像纹理分析技术主要通过量化显微图像中像素强度的空间排列（spatial arrangement of pixel intensities）来自动、客观地识别微滴内细菌的生长情况。其具体识别机制和步骤如下：

1. 核心原理：纹理特征量化

该技术通过特定的统计方法（如灰度共生矩阵，GLCM）将复杂的生物图像转换为数值数据

• 无生长状态（均匀纹理）：当微滴内没有细菌生长时，图像呈现出平滑、均匀的纹理，代表同质化的背景。

• 生长状态（粗糙/颗粒纹理）：细菌的生长、菌落的形成或其他生物结构的出现会使图像变得粗糙或呈现颗粒状。

2. 关键参数的判定

研究人员重点利用了两个关键的纹理参数来区分微滴是否含有生长的细菌亚群

• 均匀度（Homogeneity）：反映图像纹理的局部均匀程度。当细菌生长导致微滴内部变得“混乱”时，均匀度数值会显著下降。

• 相关性（Correlation）：衡量像素与其邻域的空间相关性。在有细菌生长的微滴中，该参数同样会表现出明显的下降趋势。

• 稳定性：在没有细菌生长的微滴中，这两个参数在整个实验过程中保持恒定/稳定。

3. 自动识别的工作流程

为了实现精准识别，该系统遵循以下数字化表型分析流程

• 建立基准（Baseline）：在实验开始时（0小时，部分菌株为6小时）提取微滴的纹理特征，此时细菌尚未生长，代表“无生长”的参考状态。

• 设定阈值（Cutoff）：使用基准时间点的最低均匀度和相关性数值作为分类阈值。

• 动态监测与分类：在后续的时间点（如12-48小时）获取图像，并自动计算每个微滴的纹理值。若数值低于设定的阈值，则该微滴被判定为“生长（Growth）”，代表其中含有耐药亚群。

4. 技术优势

• 更早的生长信号：研究观察到，纹理变化通常比物理上的微滴收缩早出现1-2小时，因此能提供更早的生长指示。

• 物种无关性：这种基于图像的方法不依赖于特定的培养基成分或细菌代谢方式，因此具有通用性，适用于多种革兰氏阴性和阳性病原体。

需要注意的是，某些抗生素（如β-内酰胺类）的作用可能会产生细菌碎片或裂解细胞的残留结构，这可能导致图像出现微小的点状伪影，在某些情况下（如铜绿假单胞菌）会干扰“相关性”参数的准确性。

图1｜来自血流感染的革兰阴性菌与革兰阳性菌异质性耐药（HR）检测流程示意图。A：从细菌过夜培养到基于纹理量化的图像处理流程的主要步骤。B：用于液滴生成与储存的微流控结构示意图，其中以含 2% Fluosurf 的 HFE-7500 为连续相，以含细菌及所选抗生素的培养基为分散相。C：基于时间序列图像进行纹理量化的主要步骤。均一性（homogeneity）与相关性（correlation）图中的每个点代表每个被分析液滴的纹理量化值。

图2｜鲍曼不动杆菌（A. baumannii）异质性耐药检测。A，（i–v）：非 HR 型鲍曼不动杆菌菌株 DA33414 在 24 mg/L 阿米卡星作用下于 0、6、12、18 和 24 h 的图像序列。所有液滴中均未观察到细菌生长。B、C：非 HR 菌株的纹理参数——均一性（B）与相关性（C）随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。D，（i–v）：HR 菌株 DA33098 在相同条件下的图像序列。出现细菌生长的液滴以白色边框标示。E、F：HR 菌株的均一性（E）与相关性（F）纹理参数随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。

图3｜肺炎克雷伯菌（K. pneumoniae）异质性耐药检测。A，（i–v）：非 HR 型肺炎克雷伯菌菌株 DA33145 在 12 mg/L 阿米卡星作用下于 0、6、12、18 和 24 h 的图像序列。所有液滴中均未观察到细菌生长。B、C：非 HR 菌株的纹理参数——均一性（B）与相关性（C）随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。D，（i–v）：HR 菌株 DA33140 在 12 mg/L 阿米卡星作用下的图像序列。出现细菌生长的液滴以白色边框标示。E、F：HR 菌株的均一性（E）与相关性（F）纹理参数随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。

图4｜铜绿假单胞菌（P. aeruginosa）异质性耐药检测。A，（i–v）：非 HR 型铜绿假单胞菌菌株 DA69786 在 8 mg/L 美罗培南作用下于 0、6、12、18 和 24 h 的图像序列。所有液滴中均未观察到细菌生长。B、C：非 HR 菌株的纹理参数——均一性（B）与相关性（C）随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。D，（i–v）：HR 菌株 DA69806 在 8 mg/L 美罗培南作用下的图像序列。出现细菌生长的液滴以白色边框标示。E、F：HR 菌株的均一性（E）与相关性（F）纹理参数随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。

图5｜金黄色葡萄球菌（S. aureus）异质性耐药检测。A，（i–v）：非 HR 型金黄色葡萄球菌菌株 DA70300 在 8 mg/L 万古霉素作用下于 0、12、24、36 和 48 h 的图像序列。所有液滴中均未观察到细菌生长。B、C：非 HR 菌株的纹理参数——均一性（B）与相关性（C）随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。D，（i–v）：HR 菌株 DA75526 在 8 mg/L 万古霉素作用下的图像序列。出现细菌生长的液滴以白色边框标示。E、F：HR 菌株的均一性（E）与相关性（F）纹理参数随时间变化曲线。显示了三个生物学重复的数据，并以虚线分隔。

图6｜图像纹理量化性能评估。混淆矩阵展示了利用下采样图像数据、基于均一性与相关性特征区分真实标签与预测标签的性能，用于不同细菌种类及其 HR 状态的分析。A：鲍曼不动杆菌（A. baumannii）：非 HR 菌株使用均一性（i）和相关性（ii）分析；HR 菌株使用均一性（iii）和相关性（iv）分析。B：肺炎克雷伯菌（K. pneumoniae）：非 HR 菌株使用均一性（i）和相关性（ii）分析；HR 菌株使用均一性（iii）和相关性（iv）分析。C：铜绿假单胞菌（P. aeruginosa）：非 HR 菌株使用均一性（i）和相关性（ii）分析；HR 菌株使用均一性（iii）和相关性（iv）分析。D：金黄色葡萄球菌（S. aureus）：非 HR 菌株使用均一性（i）和相关性（ii）分析；HR 菌株使用均一性（iii）和相关性（iv）分析。

论文链接：https://doi.org/10.1038/s41746-026-02808-x

(本文仅供参考学习及传递微流控研究成果，版权归原作者所有，如侵犯权益，请联系删除)