Gen AI 为香港全新癌症成像工具

快速阅读: 据《MobiHealth新闻》称，香港大学工程师团队开发了CytoMAD，一种基于生成式人工智能的成像技术，可在单细胞水平上无标签地捕捉和增强肿瘤图像。该技术能高速获取清晰图像，揭示细胞信息，降低成本和时间。团队正争取临床试验资金，并计划扩展至癌症和其他疾病的预测。这一技术有望改善癌症诊断效率，减少费用和时间消耗。

香港大学的工程师团队开发了一种基于生成式人工智能的成像方法，支持癌症诊断。它是如何工作的？CytoMAD（细胞形态对抗蒸馏）结合了人工智能和微流控技术，可以在单个细胞水平上进行无标签肿瘤成像。它可以高速捕捉细胞图像，增强这些图像，并自动纠正细胞成像中的不一致性。“我们使用生成式人工智能技术来渲染更清晰的无标签图像，其中包含有用的信息，例如治疗是否产生了积极效果，”研究负责人、香港大学教授蔡智勤解释道。它还允许同时进行亮场到定量相位图像转换，以揭示额外的细胞信息。香港大学的博士后研究员、CytoMAD的主要开发者罗美莲进一步解释说，这项技术可以训练从亮场图像中提取机械特性和分子信息，而这些信息是肉眼无法检测到的。“换句话说，我们可以揭示支撑细胞功能的重要细胞特性，绕过标准荧光标记及其在成本和时间上的局限性。”

研究团队在一个由李嘉诚医学院和玛丽医院参与的研究中进行了测试，展示了该生成式人工智能成像工具在肺癌患者中的应用。团队目前正在努力为CytoMAD与肺癌患者的临床试验争取资金。他们还打算训练生成式人工智能工具，使临床医生能够预测癌症和其他疾病。

为什么这很重要？作为癌症诊断和研究的一部分，单细胞成像可能既耗时又昂贵。这一过程通常需要对样本进行染色和标记以解决低可见度问题。结果也可能需要时间。“直到现在，还没有一种成本效益高的技术可以通过成像来进行单细胞分析，主要是因为规模的限制。在传统方法下，成像吞吐量不够快，细胞图像不够清晰且信息不够详尽，”香港大学生物医学工程项目的负责人蔡智勤教授指出。他的团队致力于通过其成像创新来解决这些局限性。

根据香港大学的说法，除了其成本效益和快速成像吞吐量外，CytoMAD还允许无偏见的细胞图像分析，因为它不需要任何数据假设，不像当前需要先验知识的数据驱动方法。

更大的趋势：香港另一所大学也开发了医疗大型语言模型（LLM），包括用于检测MRI图像中乳腺癌病理的一个。香港科技大学的研究团队目前正在准备与医院一起进行这些人工智能模型的临床试验。其他位于香港的机构也加入了生成式人工智能发展的浪潮。去年年底，香港中文大学推出了一个用于自动化眼科疾病诊断的生成式人工智能模型VisionFM。人工智能及机器人中心创建了一个名为CARES Copilot 1.0的医疗聊天机器人，由Meta的Llama 2 LLM提供支持。与此同时，澳大利亚公司Harrison.ai开发的一种专门针对放射学的人工智能模型于去年九月推出。在一项针对放射科医生的竞争性考试中，Harrison.rad.1被发现优于包括OpenAI的GPT-4和微软LLaVA-Med在内的流行模型。

(以上内容均由Ai生成)