人工智能近年来广受关注，许多支持者对其在医学领域的应用充满期待：例如快速处理样本，或识别人眼可能忽略的疾病标志物。然而，人工智能是否总是最佳选择？研究人员发现，尽管一种名为虚拟染色的人工智能方法在某些情况下能提升医学影像的使用效果，但在其他情境中反而会削弱从影像中获取有用信息的能力。总体而言，研究者建议在决定是否将人工智能应用于特定工作流程时需保持谨慎，以确保其相比其他方法确实能提升准确性。
“总体结论是人工智能可以成为有力工具——在某些情况下确实有帮助——但必须保持一定警惕性，”贝克曼先进科学技术研究所的研究生、本研究首席作者苏里亚·森古普塔（Sourya Sengupta）表示。
本研究由无标记成像与多尺度生物光子学中心（CLIMB）的研究人员开展，该中心致力于通过开发新型成像方法和算法，提升临床及科研应用的影像技术。除森古普塔外，CLIMB团队成员方芳·阮（Phuong Nguyen）、弗兰克·布鲁克斯（Frank Brooks）、刘阳（Yang Liu）和马克·阿纳斯塔西奥（Mark Anastasio）共同参与了该项目。
多数人在就诊时都接受过医学影像检查，如超声波、磁共振成像或X光片。这些基础工具帮助研究者和临床医生诊断疾病、测试新疗法并监测患者健康状况。另一类常见医学影像是显微图像，使临床医生能放大观察组织和细胞样本。
为提升显微图像的对比度（例如使细胞特定部分更突出以供分析），组织或细胞样本常使用染料或其他化学物质进行染色。尽管应用广泛，染色过程耗时且可能损伤细胞。
无标记成像是染色的替代方案，即不在样本中添加化学物质，而是利用生物材料的天然特性进行观测和成像。例如，测量光线穿透透明物体（如细胞）的不同方式，可获取关于细胞密度和生长的信息。
然而该方法亦有缺陷：无标记图像的对比度通常仍低于染色图像，导致关键特征难以识别。为提升无标记图像的实用性和可靠性，近期出现一种名为虚拟染色的新方法。
在虚拟染色过程中，计算模型分析无标记图像，并预测其染色后的视觉效果。理想情况下，这将生成具有染色图像高对比度的影像，但速度更快且避免化学损伤样本。不过，必须确认这些虚拟染色图像在生物发现和临床应用中真正准确有效。
“在医学或药物研发中，成像并非最终目标，”森古普塔强调，“生物医学成像始终围绕具体任务展开：即影像旨在服务的生物或临床应用。因此我们开始质疑：这些计算机生成的图像虽看似真实，但能否真正助力实际任务？”
回答此类问题的最大挑战在于数据量不足。研究者常需大量配对图像——一组来自无标记成像，另一组来自荧光染色——以训练和测试各类人工智能模型。幸运的是，刘阳团队近期开发了Omni-Mesoscope高通量成像系统，可在数分钟内捕获数万个不同状态的细胞，创建大规模高质量数据集。这些数据集为测试虚拟染色图像在实际分析任务中的表现奠定了基础。
研究者在两项任务中对比了虚拟染色图像、无标记图像和染色图像的性能。首先用于分割任务：神经网络识别单个细胞核并将其裁剪为独立图像。类似照片裁剪，此举使研究者和临床医生能聚焦图像最关键部分。
其次用于细胞分类任务：网络识别药物处理后细胞所处的不同阶段。该任务对监测药物研发及疾病治疗中的药效具有应用价值。
针对两项任务，研究者评估了不同网络使用各类图像时的表现。为探究网络特性是否影响图像效果，他们使用五种不同网络重复实验。
许多网络执行相似任务，但部分网络因编程学习方式差异，可能更擅长表征复杂函数或关系，这类网络称为高容量网络。本研究采用不同容量的网络，以观察容量如何影响虚拟染色图像的使用效果。
当低容量网络处理时，虚拟染色图像表现远优于无标记图像。但在高容量网络中情况相反：用于分割任务时，虚拟染色与无标记图像表现相当；用于细胞分类任务时，虚拟染色图像表现显著更差。换言之，使用高容量网络分析图像时，采用无标记图像比虚拟染色图像更可能获取准确信息。
森古普塔指出，该结果符合数据处理不等式原理：任何图像处理（如虚拟染色）均无法增加图像本身包含的信息量。这类似于修图：可模糊背景突出人物，但无法修复快门按下时闭眼者的睁眼状态。
低容量网络受益于虚拟染色图像，因其处理能强化关键信息；而高容量网络本身已能从无标记图像中提取复杂关系，虚拟染色反而无益。该过程可能移除某些任务的关键信息，这解释了为何在细胞分类任务中虚拟染色图像表现更差。
尽管人工智能在医疗保健领域潜力巨大，森古普塔提醒临床医生、研究者及公众关注其局限性。若将人工智能用于特定任务，必须验证其在此情境下的实际效益。
“即便人工智能当下是热门词汇，在生物医学成像等敏感领域应用时仍需保持警惕，”森古普塔表示，“多数情况下它非常有用，但并非永远适用。”
参考文献： Sengupta S, Xu J, Nguyen P, Brooks F, Liu Y, Anastasio MA. 关于任务网络容量相关虚拟染色对下游应用效用的研究. Biomed Opt Express. 2025;16(10):4224-4242. doi: 10.1364/BOE.576061
【全文结束】
