在过去的十年中，“精准医学”作为癌症治疗的一种途径越来越受欢迎，其治疗策略根据患者疾病的独特特征和个人背景进行个性化定制。这些独特的疾病特征（称为“表型”）帮助医生选择最有效的治疗方法。
使用精准医学可以提高癌症患者的生存率并改善他们的生活质量。然而，尽管在使用这种治疗方法治疗癌症和测试新药物方面取得了重大突破，用于识别疾病表型的工具却进展缓慢。
目前，识别这些表型通常需要昂贵的检测，例如分子标志物检查、对组织样本使用特殊染色剂或对个人遗传物质进行测序。由于这一障碍，许多潜在的精准医疗益处对于许多患者来说仍然遥不可及。
最近，位于亚利桑那大学的一个研究团队开发出一种更快且更经济的方式来识别胰腺癌中的疾病表型。他们在《Biophotonics Discovery》上发表的研究描述了一种新的疾病表型分析方法，该方法利用无标记光学显微镜和人工智能（AI）。
研究人员利用一种名为“空间转录组学”的最新技术，生成了组织基因表达的空间图谱，使他们能够了解疾病的行为方式并建立表型。
随后，研究团队对相同的样本进行了无标记光学显微镜检查，通过测量不同生物标志物的自然荧光以及一种称为二次谐波生成的响应（通常由结构蛋白胶原产生）来形成图像。然后将这些无标记显微镜图像与空间转录组信息共同对齐。
接着，团队开发了一种人工智能算法——一个深度神经网络，并训练它仅基于无标记光学显微镜图像来预测组织的表型。这种方法成功地以近90%的准确率预测了组织表型，这是一个令人振奋的发现，表明无标记显微镜和人工智能在精准医学应用中的潜力。
研究人员还展示了传统的图像分析方法无法提取足够的信息来预测表型，这表明必须使用基于人工智能的方法来连接无标记光学图像与导致不同表型的基础疾病机制的相关特征。这项研究也是首批探索基因测序与无标记光学成像方法之间接口的新前沿之一。
这项新方法表明，可能可以通过基于光的成像和人工智能来识别疾病表型，而无需昂贵或复杂的检测。这项研究标志着光学成像在精准医学应用中的重要进展，最终可能使精准医学在未来更加普及和有效。
更多信息：Shuyuan Guan 等人，《Optical phenotyping using label-free microscopy and deep learning》，《Biophotonics Discovery》(2025)。DOI: 10.1117/1.BIOS.2.3.035001
【全文结束】
