亚利桑那大学的一个项目开发出一种新的光学平台，旨在改进胰腺癌疾病表型的识别方式。其目标是减少对昂贵且复杂的检测手段的依赖，使“精准医疗”惠及更多患者。
正如《Biophotonics Discovery》所述，精准医疗是指根据个体特定的基因和环境状况制定个性化的治疗方案，以改善患者的治疗效果。
这种方法已经取得了显著成功，但据亚利桑那大学团队表示，用于识别疾病表型的工具却未能同步发展。
项目组表示：“目前识别这些表型通常需要昂贵的检测，例如分子标志物分析、组织样本特殊染色或个体遗传物质测序。由于这一障碍，许多潜在的精准医疗益处仍无法被广大患者所享有。”
亚利桑那大学的解决方案是一种应用于胰腺癌样本的光学表型方法，结合了无标记多光子显微镜和深度学习技术。同时，该项目还利用了空间转录组学——一种捕捉分析组织位置信息的RNA测序方法。
在试验中，项目组首先使用空间转录组学技术生成组织样本中的基因表达空间图谱，确定与疾病相关的表型。
随后，对相同样本进行无标记光学显微镜检查，测量不同生物标志物的自然荧光，而多光子显微镜则通过二次谐波成像显示结构蛋白胶原蛋白的存在。
项目组开发了一种定制的人工智能算法，仅基于无标记光学显微镜图像来预测组织表型，并将其结果与感兴趣组织区域的空间转录组学信息进行对比。
亚利桑那大学团队指出，结果显示光学加人工智能的方法成功预测组织表型的准确率接近90%，展示了无标记显微镜和人工智能在精准医疗应用中的潜力。
研究还表明，仅靠传统的图像分析方法无法提取足够的信息来预测表型，这表明必须采用基于人工智能的方法，才能将无标记光学图像与潜在疾病机制相关联。
研究团队指出，基因测序与无标记光学成像方法的结合代表了包括胰腺癌在内的临床治疗新前沿。
“这一框架具有广泛的科学应用前景，为加速生物光子学领域的发现奠定了基础。”
【全文结束】
