香港大學（HKU）的研究團隊近日宣佈，他們成功開發出一款基於人工智能的成像工具，旨在提升癌症診斷的速度和準確性。這項名爲 “細胞形態對抗蒸餾”(CytoMAD)的新技術，由工程學院的齊凱文教授領導，利用生成式人工智能的方法進行精確的單細胞分析，且無需傳統的標記技術。

QQ_1739761001247.png

CytoMAD 的技術經過香港大學李嘉誠醫學院及瑪麗醫院的合作測試，已在肺癌患者的評估中表現出良好的效果，並且能支持藥物篩選過程。該技術通過自動糾正成像過程中的不一致性，提高圖像的清晰度，並提取先前無法檢測到的信息，進而實現更可靠的數據分析，爲醫療決策提供支持。

傳統的細胞成像方法往往需要對細胞樣本進行染色和標記，既耗時又費力。而 CytoMAD 則省去了這些步驟，簡化了樣本準備過程，加快了診斷流程。該 AI 模型能夠將標準的明場圖像轉化爲更詳細的表現形式，從而揭示通常難以分析的細胞特性。這一轉化是通過訓練生成式 AI 算法實現的，能夠提取與細胞機械及分子特性相關的信息。

目前，許多細胞成像技術依賴於緩慢和昂貴的過程，可能會延誤關鍵的治療決策。相較之下，CytoMAD 提供了一種無需標記的替代方案，降低了成本並保持了準確性。通過利用生成式 AI，該系統將低對比度的明場圖像轉化爲更具信息量的可視化圖像，深入分析細胞形態而無需化學染色。

另一個細胞成像中的挑戰是設備配置和成像協議之間的差異所引入的變異，稱爲 “批次效應”。這種不一致性可能會妨礙生物學的準確解釋。許多現有的機器學習解決方案依賴於預先定義的數據假設，限制了其適應性。而 CytoMAD 則無需預定義的數據限制，允許對細胞圖像分析進行更客觀和普遍化的處理。

這項系統的優勢在於其超高速光學成像技術，能夠每天捕捉數百萬個細胞圖像。這種高通量能力加速了 AI 模型的訓練、優化和實施。研究團隊希望藉助這一技術進一步完善 AI 驅動的生物醫學成像解決方案。快速處理大量細胞數據的能力，使 CytoMAD 成爲臨牀應用和醫學研究中的強大工具。

除了肺癌診斷，CytoMAD 還可能加速藥物發現，縮短篩選過程所需的時間。高效的成像與 AI 驅動分析的結合，爲傳統方法提供了更高效的替代方案。迅速評估細胞對治療的反應，有望改善藥物開發的時間表，從而爲製藥研究帶來價值。

長期來看，研究團隊希望將 CytoMAD 的應用擴展到預測醫療領域，計劃訓練模型檢測癌症和其他疾病的早期跡象。未來的發展可能會集中在將該系統整合到臨牀實踐中，以實現實時患者監測和個性化治療規劃。AI 能夠分析海量數據，捕捉微妙的細胞變化，可能會提高早期疾病檢測的能力，從而改善患者的治療效果。

爲了推動這一研究，團隊正尋求資金支持，計劃在三年的臨牀試驗中對肺癌患者進行跟蹤，以利用 AI 增強成像技術跟蹤結果。這一研究有望推動 AI 在醫療診斷中的更廣泛應用，提高醫療解決方案的效率與可擴展性。

論文:https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/advs.202307591

劃重點:  

🔍 ** 研究團隊開發了 CytoMAD，一種新型的 AI 驅動成像工具，能提升癌症診斷的準確性和速度。**  

💡 **CytoMAD 通過自動圖像校正和分析，省去傳統細胞染色標記的繁瑣步驟，簡化了診斷流程。**  

🚀 ** 該技術不僅適用於肺癌檢測，還可加速藥物發現，未來有望應用於更廣泛的預測醫療領域。**