本文内容转载自“化学与材料科学”公众号
英文原题：Lateral Heterostructured Vis–NIR Photodetectors with Multimodal Detection for Rapid and Precise Classification of Glioma
通讯作者：宋延林研究员、苏萌副研究员（中科院化学所）、潘琪博士（中科院化学所）
胶质瘤最常见的恶性脑肿瘤之一，具有高浸润性和侵袭性特点，发病率和死亡率均较高。目前，临床胶质瘤的诊断方法主要是磁共振成像（MRI）和正电子发射断层扫描（PET），但存在操作复杂、成本高等缺点。因此，开发操作简单、成本低、准确性高的新型胶质瘤诊断方法具有重要意义。
病变组织成分的变化会影响其对可见-近红外区域的光吸收。团队利用光探测器检测透过不同组织的光信号的差异实现对胶质瘤的分级诊断。他们利用模板诱导连续印刷策略构建一维横向异质NaYF4@Yb、Er/CsPbI2.2Br0.8光电探测器阵列，实现了对可见-近红外波段的高性能响应。通过灵活调控墨水浓度及施加压力，可以得到侧包裹的横向异质结构，相比于全包裹异质结构，其对可见-近红外光表现出更好的响应性，例如，在450 nm和980 nm处的响应度分别达到1084 A/W和150 mA/W。通过不同波长的激光（450 nm、532 nm、650 nm 和 980 nm）透过正常组织切片及不同等级胶质瘤组织切片的不同区域后照射在可见-近红外光电探测器上，可以收集不同位点下的光电流数据。利用得到的光电流数据可以重构出各种组织的轮廓图像，展现了胶质瘤区域成像的能力。进而结合机器学习算法，以得到的光电流数据为数据库，提取各波长下的特征和信息，进行模型训练和分类检测。结果显示，通过覆盖可见-近红外光的多模态检测，胶质瘤分级诊断准确率可达到99.3%。这项工作为临床肿瘤的快速诊断提供了一种新的思路。
图1 印刷制备可见-近红外光电探测器阵列用于胶质瘤的分级诊断。(a) 利用横向异质结构光电探测器进行胶质瘤分级诊断的示意图；(b) 印刷制备横向异质结构阵列的示意图；(c, d) CsPbI2.2Br0.8/UCNPs阵列的示意图与横截面SEM图像；(e) CsPbI2.2Br0.8阵列的吸收光谱和UCNPs的光致发光光谱；(f) CsPbI2.2Br0.8和 CsPbI2.2Br0.8/UCNPs光电探测器在980 nm激光照射下产生的光电流对比
图2 CsPbI2.2Br0.8/UCNPs阵列的制备过程和形貌调控。(a) 通道内UCNPs墨水的流体行为模拟；(b) UCNPs印刷过程中液桥端部的液体运动行为模拟；(c) UCNPs墨水的流动行为的原位观测；(d) CsPbI2.2Br0.8阵列和CsPbI2.2Br0.8/UCNPs 阵列的SEM图像。插图为放大的SEM图像。(e) 浓度与压力调控的异质结构形貌相图。可得到(i) 全包裹结构，(ii) 侧包裹结构和(iii) 半侧包裹结构
图3 CsPbI2.2Br0.8/UCNPs异质结构光电探测器的可见-近红外光电响应性能。(a, b) 全包裹异质结构和侧包裹异质结构的SEM图像和在450 nm和980 nm照射下二者的光电流响应对比；(c, d) 侧包裹异质结构光电探测器在不同功率980 nm激光照射下的光电流和响应度；(e, f) 侧包裹异质结构光电探测器在不同功率450 nm激光照射下的光电流和响应度；(g) 侧包裹异质结构光电探测器在不同功率980 nm激光照射下的I-t响应；(h) 侧包裹异质结构光电探测器在不同波长（450 nm、532 nm、650 nm 和980 nm）照射下的D*和EQE
图4 基于横向异质光电探测器的胶质瘤分级诊断能力。(a) 测试过程的光学图像；(b) 正常组织、II级胶质瘤和IV级胶质瘤三种组织的光学图像；(c-f) 不同波长照射下，将收集到的光电流重构得到的三种组织的图像；(g) 正常组织、II级胶质瘤和IV级胶质瘤组织对不同波长光的吸收对比；(h) 基于SVM算法的胶质瘤分级诊断原理；(i) 单波长探测和多模态探测下，胶质瘤分级诊断的准确率
Lateral Heterostructured Vis–NIR Photodetectors with Multimodal Detection for Rapid and Precise Classification of Glioma
Hongfei Xie, Qi Pan*, Dongdong Wu, Feifei Qin, Shuoran Chen, Wei Sun, Xu Yang, Sisi Chen, Tingqing Wu, Jimei Chi, Zengqi Huang, Huadong Wang, Zeying Zhang, Bingda Chen, Jan Carmeliet, Meng Su*, Yanlin Song*
ACS Nano, 2022, 16(10): 16563-16573. DOI: 10.1021/acsnano.2c06004
Publication Date: October 6, 2022