东京大学的研究人员开发了一种名为Deep Nanometry的新技术，该技术结合了先进的光学设备和基于无监督深度学习的噪声去除算法，可以在医疗样本中快速分析纳米颗粒，使检测微量稀有颗粒成为可能。这项技术已经证明了其在检测表明结肠癌早期迹象的细胞外囊泡（EVs）方面的潜力，未来有望应用于其他医学和工业领域。
人体内充满了比细胞更小的微粒，其中包括细胞外囊泡（EVs），这些囊泡可用于早期疾病检测和药物递送。然而，EVs非常罕见，从数百万其他粒子中找到它们需要耗时且昂贵的预富集过程。为此，包括来自东京大学先端科学技术研究中心的博士后研究员Yuichiro Iwamoto及其团队在内的研究人员，致力于寻找一种快速可靠的方法来检测EVs。
“传统的测量技术往往吞吐量有限，难以在短时间内可靠地检测到稀有粒子，”Iwamoto表示。“为了解决这个问题，我们开发了Deep Nanometry（DNM），这是一种新的纳米粒子检测设备和无监督深度学习降噪方法，以提高其灵敏度。这使得高吞吐量成为可能，可以检测到如EVs等稀有粒子。”
DNM的核心在于它能够检测小至30纳米（十亿分之一米）的粒子，同时每秒可检测超过100,000个粒子。传统的高速检测工具只能检测到强信号，而弱信号可能会被忽略，而DNM则能够捕捉到它们。这可以类比为在波涛汹涌的大海中寻找一艘小船——如果海浪消失，大海变得平静，寻找小船就容易得多。人工智能（AI）在这方面起到了帮助作用，通过学习波浪的行为特征，从而帮助过滤掉噪声。
这项技术可以扩展到依赖粒子检测的各种临床诊断领域，并且在疫苗开发和环境监测等领域也具有潜力。此外，基于AI的信号降噪技术还可以应用于电学信号等领域。
“DNM的开发对我来说是一段非常个人的旅程，”Iwamoto表示。“这不仅是科学上的进步，也是对我已故母亲的致敬，她激励我研究癌症的早期检测。我们的梦想是让救命的诊断更快、更普及，惠及每一个人。”
参考文献：Iwamoto Y, Salmon B, Yoshioka Y, Kojima R, Krull A, Ota S. High throughput analysis of rare nanoparticles with deep-enhanced sensitivity via unsupervised denoising. Nat Commun. 2025;16(1):1728. doi: 10.1038/s41467-025-56812-y
(全文结束)
