宽角肺部实验分割（WALES）：在模型系统中有效量化评估肺部病变

在临床前研究中，评估肺损伤通常需要病理学家通过光学显微镜对肺组织病理学进行半定量四分制评分，但这种方法存在主观性。自动化图像分析软件虽能实现更定量的评估，却可能因肺组织复杂结构、病理异质性及组织处理 artifacts 等问题得出误导性结论。

为解决这些局限，研究团队开发了宽角肺实验分割（WALES）程序。该程序利用高分辨率全切片图像（WSI）技术，整合了分割建模、自动阈值化和依赖膨胀程度的高斯模糊算法，通过相对密度分析来量化肺损伤。其核心是采用Meta的任意分割模型（SAM）生成灵活的掩膜，结合定制化自动阈值技术（优于常用的Otsu、Isodata等方法），减少用户偏倚并保留更多细节。

WALES的工作流程包括：打开WSI文件后，利用SAM分割组织特征并生成数字掩膜，用户可调整掩膜范围；对剩余组织自动阈值化，计算平均肺泡宽度作为高斯核标准差以校正膨胀差异，进而生成密度图和热图；最后通过预设阈值测量高密度组织区域，界定病理区域。

实验结果显示，与传统方法相比，WALES优势显著。传统方法通过多个感兴趣区域（ROI）计算组织百分比，仅能区分严重损伤与健康肺组织；而WALES通过全切片分析得出的“高密度组织百分比”，可显著区分健康、轻度及重度损伤（三组间差异均有统计学意义）。此外，WALES不受小鼠品系、组织染色类型影响，能有效消除肺膨胀程度（如充气不足/过度）带来的干扰（健康组变异系数降低7倍），并克服病理异质性导致的抽样偏差。两名技术人员使用WALES分析的结果无统计学差异，证明其可重复性。

WALES通过半自动掩膜、自动阈值化和病理区域精细界定，为肺损伤分析提供了一种可重复、高效且准确的方法，有望广泛应用于辐射、病毒等多种临床前肺损伤模型的评估。未来结合高分辨率SAM（HRSAM）、医学专用SAM（MedSAM）及CPU-based分割技术，可进一步提升其性能和可及性。