谢坚文及芦子荞。

香港大学(港大)工程学院研究团队成功开发人工智能(AI)细胞成像工具,可以快速准确地诊断癌症病人,提高医疗成效。

这项研究由港大工程学院生物医学工程课程主任谢坚文领导,团队成员包括香港大学李嘉诚医学院(港大医学院)临床医学学院内科学系何重文和外科学系辛光耀。研究团队与港大医学院及玛丽医院合作,成功将最新型的生成式人工智能方法(CytoMAD)应用在肺癌病人身上,以及进行药物测试。CytoMAD结合团队专利的微流控技术,可以快速、低成本地对人体细胞进行“无标记”成像,帮助医生在单个细胞的精度水平评估病人的肿瘤,例如估计肺癌病人癌症转移风险。该团队的研究成果最近发表在《Advanced?Science》期刊上。

CytoMAD利用生成人工智能自动校正细胞显微成像质素,并从细胞图像中提取原本图片检测不到的资讯。CytoMAD的全方位功能确保准确及可靠的数据分析和诊断。

面对显微镜下细胞样本“能见度”低的挑战,医生通常会采用对样本进行染色和标记的常用方法。这种方法不仅费时、过程繁琐,且成本效益低。同时,这也意味着病人需要等待一段时间,例如通过血液样本,才能知道他们的细胞分析结果。而CytoMAD其中一个主要优势是“无标记”,意味着准备病人或细胞样本的步骤更少。这样节省了大量时间和人力,提高了诊断和药物研发过程的速度和效率。“我们使用生成式人工智能技术渲染更清晰的无标记图像,并提供有用的资讯”。

这种新方法也解决了“批次效应”(BatchEffect)的挑战,这种效应是由不同实验批次和条件引起的常见的技术差异,例如仪器配置或图像采集方案的差异,阻碍了对细胞形态的真正生物学解释。

尽管肺癌高踞全球致命癌症首位,但CytoMAD的应用不仅限于肺癌病人。通过采用省时的“无标记方法”,以及由生成式人工智能驱动的高速成像和诊断功能,CytoMAD可以缩短药物筛选的漫长过程。展望未来,研究团队其中一个主要目标是训练模型,使医生能够预测潜在病人的癌症或其他疾病。“利用大量数据进行预测是人工智能在生物医学领域应用中最强大的方面。”谢坚文说。