该人工智能模型比先前技术更快定位癌细胞。
作者：诺尔·哈桑
2025年10月31日
（尼拉利·莫迪/《每日特洛伊人报》）
南加州大学研究人员开发的一种新型人工智能模型现在可以在极短时间内检测血液样本中的癌细胞。在“罕见事件检测器”（RED）这一人工智能工具问世之前，训练有素的研究人员需手动检查每个细胞图像，这一过程每份样本可能耗时数小时。
维特比工程学院与多恩西费文理学院历时九年的合作，已将原本耗时长达10小时的精细过程缩短至约10分钟。
这项研究起源于一场研讨会，该会将维特比工程学院航空航天与机械工程教授阿萨德·奥贝拉伊和多恩西费癌症融合科学研究所主任彼得·库恩聚集在一起。
“自那场研讨会以来，我们断断续续地讨论合作事宜，”奥贝拉伊说，“我更好地理解了他所面对的问题，他也更清楚我团队能开发的工具和算法。”
凭借奥贝拉伊在癌症力学行为方面的专业知识和库恩在癌症生物学领域的背景，两位教授启动了合作，最终促成RED的诞生。
据奥贝拉伊称，该项目主要由学生驱动，由机械工程专业最近毕业的博士哈维尔·穆尔戈伊蒂奥-埃桑迪（现任谷歌员工）以及分子生物学博士生迪安·特索内共同开发。
库恩实验室的研究人员，包括特索内，分析了来自癌症患者和非癌症患者的血液样本，寻找可能指示疾病存在的罕见循环肿瘤细胞。
“这个问题可以简单描述为大海捞针，”特索内说，“从每位患者身上，我们评估血液中约250万个细胞，估计其中仅有一个细胞与癌症相关。”
在模型出现之前，专家需培训人员手动筛选数百万张细胞图片以识别癌细胞。特索内表示，通过整合深度学习技术，该模型现在能在几分钟内完成相同任务。
迄今为止，RED主要应用于乳腺癌和胰腺癌研究。特索内指出，这两种疾病代表了早期检测光谱的两个极端。他表示，乳腺癌为AI驱动的筛查工具提供了宝贵的测试平台，因为现有方法（如乳房X光检查）已产生大量数据。
“我们实际上已经拥有非常完善的乳腺癌筛查方法，即乳房X光检查，”特索内说，“但它仍存在局限性……如果你询问任何做过乳房X光检查的女性，过程极其不适……我目前正在研究的是，能否用血液筛查替代基于乳房X光检查的筛查。”
对于胰腺癌，特索内表示早期检测的需求更为迫切。胰腺肿瘤通常在晚期才被诊断，此时治疗选择有限。团队希望RED识别罕见循环肿瘤细胞的能力能帮助更早发现疾病迹象。
“几乎每位胰腺癌患者都是在疾病已极度晚期时才被发现，”特索内说，“我们实际上可以开发一种方法，通过血液筛查更早发现疾病，从而大幅降低晚期胰腺癌的发生率。”
奥贝拉伊表示，该项目展示了人工智能如何增强科学研究。他说，人工智能模型是“有用的工具”，并将很快普及。特索内表示，人工智能旨在支持而非取代研究人员。
“我们的模型是一种医疗工具，并非要取代我们，而是真正惠及科学家，让我们工作得更好，”特索内说。
奥贝拉伊表示，团队旨在优化模型，更准确地区分潜在和确诊的癌细胞。研究人员计划将方法扩展到其他类型的生物数据，包括药物筛选和治疗测试所用数据。
“对我们而言，真正的应用是利用这类工具快速推进对癌症生物学的理解，”特索内说。
奥贝拉伊表示，RED项目已促成多篇将该工具应用于现实癌症研究的已发表论文。最新研究探讨了该模型如何识别肿瘤细胞并分析癌症如何通过血液扩散。
奥贝拉伊表示，这项工作反映了南加州大学为学生提供的协作和贡献于重大发现未来的机会。他鼓励对研究或跨学科科学感兴趣的学生立即参与。
“任何对此类工作感兴趣、认为其引人入胜且有益的学生，都应联系彼得或我，我们很乐意与他们交流。我们始终在寻找优秀学生参与这项工作。”
【全文结束】
