傳媒

由香港大學 (港大) 工程學院生物醫學工程課程主任謝堅文教授領導的研究團隊，成功開發人工智能（AI）細胞成像工具，可以快速準確地診斷癌症病人，提高醫療成效。

這項研究由謝教授領導，團隊成員包括香港大學李嘉誠醫學院（港大醫學院）臨床醫學學院內科學系何重文教授和外科學系辛光耀教授。研究團隊與港大醫學院及瑪麗醫院合作，成功將他們最新型的生成式人工智能方法（CytoMAD）應用在肺癌病人身上，以及進行藥物測試。CytoMAD 結合團隊專利的微流控技術，可以快速、低成本地對人體細胞進行「無標記」成像，幫助醫生在單個細胞的精度水平評估病人的腫瘤， 例如估計肺癌病人癌症轉移風險。

CytoMAD 利用生成人工智能自動校正細胞顯微成像質素，並從細胞圖像中提取原本圖片檢測不到的資訊。CytoMAD 的全方位功能確保準確及可靠的數據分析和診斷。

「到目前為止，市場仍沒有一種具經濟效益的技術能通過成像進行單細胞分析。在傳統方法下，成像通量不夠快，細胞圖像不夠清晰，所提供的資訊也不完備。」謝教授說。該團隊的研究成果最近發表在《Advanced Science》期刊上。

揭示細胞資訊
面對顯微鏡下細胞樣本「能見度」低的挑戰，醫生通常會採用對樣本進行染色和標記的常用方法。這種方法不僅費時、過程繁瑣，且成本效益低。同時，這也意味著病人需要等待一段時間，例如通過血液樣本，才能知道他們的細胞分析結果。

謝教授的人工智能技術其中一個主要優勢是「無標記」，意即準備病人或細胞樣本的步驟更少。這樣節省了大量時間和人力，提高了診斷和藥物研發過程的速度和效率。「我們使用生成式人工智能技術渲染更清晰的無標記圖像，並提供有用的資訊」。

CytoMAD 允許同時進行無標記圖像轉換，以揭示更多的細胞資訊。「由於無標記成像模式近年來在生物醫學領域的應用日益增加，我們的工作主要集中在這方面。傳統用白光照射拍攝出的細胞圖像（又稱「明場圖像」（Bright-field images）通常看起來像一張充滿微弱斑點的模糊照片——完全沒有有用資訊可言，無法對細胞特性以及相關的健康和疾病資訊進行有意義的分析。但是，CytoMAD 作為生成式人工智能模型，可以經過訓練從明場圖像中提取人眼檢測不到的細胞機械特性和分子資訊。換句話說，我們可以繞過標準螢光標記及其成本和時間限制，揭示細胞功能背後的重要細胞特性。」港大工程學院電機電子工程系蘆子蕎博士說。

無偏差診斷
這種新方法也解決了「批次效應」（Batch Effect）的挑戰——這種效應是由不同實驗批次和條件引起的常見的技術差異，例如儀器配置或圖像採集方案的差異，阻礙了對細胞形態的真正生物學解釋。

目前的解決方案，包括利用機器學習技術的解決方案，通常需要不同類型的先驗知識或對數據的假設——使得它們的通用性不夠廣泛，難以在不同的應用中輕鬆採用。「我們的人工智能模型不需要任何假設。因此，它可以進行無偏差的細胞圖像分析和診斷。」

這個強大的深度AI 學習模型受益於謝教授團隊先前開發的超快光學成像技術。「這項技術可以讓我們高速捕捉細胞圖像。每天可以生成數千萬張圖像。因此，利用這個單一系統，我們在眾多人工智能創新中處於獨特的地位，可以從訓練、優化到部署等各方面加速研發先進的人工智能。」謝教授指出。

儘管肺癌高踞全球致命癌症首位，但CytoMAD 的應用不僅限於肺癌病人。通過採用省時的「無標記方法」，以及由生成式人工智能驅動的高速成像和診斷功能，CytoMAD可以縮短藥物篩選的漫長過程。

展望未來，研究團隊其中一個主要目標是訓練模型，使醫生能夠預測潛在病人的癌症或其他疾病。「利用大量數據進行預測是人工智能在生物醫學領域應用中最強大的方面。」謝教授說。團隊已申請研究資金，將在三年內對肺癌病人進行臨床試驗。「我們計劃積累足夠的數據，並使用我們的成像和人工智能技術追蹤病人的病情進展。」

文章連結：
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202307591

關於謝堅文教授
謝堅文教授為香港大學電機電子工程系教授及生物醫學工程課程主任。他的研究涵蓋廣泛主題，包括用於成像流式細胞儀的超快速光學成像和高速體內腦成像及用於單細胞分析的生物資訊方法等。他是國際光電工程學會會士、香港研究資助局 (RGC) 研究學者 (2020)。他榮獲香港研究資助局頒發的2012-2013年傑出青年學者獎。他還獲得了2015年香港大學傑出青年研究獎以及2016年第十四屆中國青年科學家科學技術獎。謝教授擁有 11 項已授權和待授權的超快光學成像技術美國專利。同時，他是一家初創公司的共同創辦人，該公司將用於癌症篩檢和治療監測應用的高速顯微鏡技術商業化，並入圍 2019 年 Falling Walls Venture 前 10 名，更於 2024 年被評為 Google Cloud 初創企業。

傳媒查詢：
香港大學工程學院
鍾敏芝女士（電話：3910 3324；電郵：chungmc@hku.hk）
袁可盈女士（電話：3917 1924；電郵：natyuen@hku.hk）