复旦大学化学系教授张凡、研究员王尚风联合计算与智能创新学院教授颜波、研究员谭伟敏，发明了一种名为“镧系彩虹”的新型分子调色板，能在深层组织中实现高分辨率高容量九色成像。团队进一步引入人工智能算法，成功在活体中对多个脏器进行不同颜色的标记，实现了实时动态荧光手术导航。8月27日，相关研究在线发表于《自然-光子学》。

“镧系彩虹”调色板的构建、分子光物理性质以及用于多光谱成像流程。

  ?

在外科手术中，医生往往需要一边切除肿瘤，一边避开血管等关键解剖结构，同时还要对关键器官的功能状态进行实时监测。如果手术台上有一幅实时的“体内地图”，将不同组织用不同颜色点亮，医生就能清晰、全面地看到目标区域，从而大大降低手术风险。

研究人员利用稀土元素铒的独特光学特性，通过分子工程设计构建了一系列具有三明治结构的新型酞菁铒配合物探针“镧系彩虹”。它们的吸收波长分布在673 nm至772 nm，但发射统一集中在1530 nm——一个组织散射较小、自发荧光几乎为零的光学窗口。

利用该系列酞菁铒配合物独特且优越的光谱性质，研究人员创新性地引入了“激发编码、单一发射”的多光谱成像策略。这种方法克服了基于多发射的多光谱方法中存在的光子效率限制以及波长相关的图像保真问题，确保了在所有通道中都能实现一致的高对比度成像，在深层组织中实现了高保真的九种信号的区分。

然而，想要实现外科手术过程中“体内地图”的构建，成像数据的实时分析是一重要要素。依托复旦大学“AI for Science”多学科交叉融合的优质生态，研究人员以“实时处理高维多光谱数据集”为目标，构建了波长感知的端元提取AI模型（EndmemberNet），实现了多光谱数据的自动化分析。

利用AI辅助的镧系彩虹多光谱成像技术，研究人员成功实现了在结直肠癌小鼠模型中的五色荧光指导手术导航。该系统能够同步可视化肿瘤原发灶、转移结节、血管与肠道运动，并通过EndmemberNet神经网络自动完成光谱特征提取与分解，在术中实时输出清晰的解剖结构与功能信息。这意味着外科医生未来有望在手术台上实时看到肿瘤、血管、淋巴结及肠道功能的多通道动态画面，大幅提升精准切除和术中判断的能力。

论文链接：https://doi.org/10.1038/s41566-025-01736-8