作者：郭菲（煙臺(tái)大學(xué)）
監(jiān)制：中國(guó)科普博覽
在醫(yī)學(xué)發(fā)展的漫長(zhǎng)歷史中，人類一直在尋找更早、更準(zhǔn)確發(fā)現(xiàn)癌癥的方法。癌癥之所以可怕，很大程度上是因?yàn)樵缙诎Y狀不明顯，等到出現(xiàn)明顯不適時(shí)，很多患者確診時(shí)往往已經(jīng)錯(cuò)過(guò)了最佳治療時(shí)機(jī)。據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，如果能在早期發(fā)現(xiàn)并治療，超過(guò)三分之一的癌癥是可以治愈的，另外三分之一可以通過(guò)治療延長(zhǎng)生命并提高生活質(zhì)量。
如今，這個(gè)愿景正在變?yōu)楝F(xiàn)實(shí)。中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院核能安全技術(shù)研究所的楊良保研究員、董榮錄副研究員，聯(lián)合合肥腫瘤醫(yī)院鄧青梅等研究人員，開(kāi)發(fā)出了一套革命性的智能檢測(cè)系統(tǒng)。這個(gè)系統(tǒng)結(jié)合了先進(jìn)的光學(xué)檢測(cè)技術(shù)和人工智能算法，僅需一滴血液樣本，即可同步檢測(cè)六種常見(jiàn)的腫瘤標(biāo)志物，識(shí)別準(zhǔn)確率達(dá)到了前所未有的100%。
這項(xiàng)突破性成果，標(biāo)志著我國(guó)在癌癥早期診斷技術(shù)領(lǐng)域?qū)崿F(xiàn)重要技術(shù)跨越。研究團(tuán)隊(duì)開(kāi)發(fā)的注意力尺度融合網(wǎng)絡(luò)（ASFN），不僅能準(zhǔn)確識(shí)別腫瘤標(biāo)志物的種類，還能精確測(cè)量其濃度，為臨床醫(yī)生提供了強(qiáng)有力的診斷支持。
更令人振奮的是，這項(xiàng)技術(shù)采用的是無(wú)標(biāo)記檢測(cè)方法——無(wú)需添加任何化學(xué)標(biāo)記物或染料，直接對(duì)血清樣本進(jìn)行分析。在傳統(tǒng)檢測(cè)方法中，每檢測(cè)一種腫瘤標(biāo)志物通常需要特定的試劑盒和復(fù)雜的操作流程，而這個(gè)新系統(tǒng)可以一次性完成多種標(biāo)志物的檢測(cè)，大大提高了效率。這意味著檢測(cè)過(guò)程更加簡(jiǎn)單、快速，成本也更低，讓精準(zhǔn)癌癥早篩有望惠及更多人群。
血液中的“預(yù)警信號(hào)”
我們的身體就像一座精密運(yùn)轉(zhuǎn)的工廠，當(dāng)某個(gè)“車間”出現(xiàn)問(wèn)題時(shí)，便會(huì)釋放出一些特殊的“信號(hào)分子”——對(duì)于癌癥來(lái)說(shuō)，即腫瘤標(biāo)志物。它們就像是身體發(fā)出的求救信號(hào)，告訴我們某個(gè)地方可能出了問(wèn)題。
比如，當(dāng)肝臟出現(xiàn)癌變時(shí)，會(huì)釋放一種叫甲胎蛋白的物質(zhì)；胰腺癌則會(huì)產(chǎn)生糖類抗原19-9；卵巢癌會(huì)分泌糖類抗原125。這些物質(zhì)平時(shí)在健康人體內(nèi)的血液中含量極低，一旦癌癥發(fā)生，其濃度就會(huì)異常升高。醫(yī)生通過(guò)檢測(cè)這些標(biāo)志物的水平，輔助判斷患者是否可能患有某種癌癥。
然而，要在血液中準(zhǔn)確找到這些標(biāo)志物并不容易。打個(gè)比方，如果把血液比作一個(gè)巨大的游泳池，那么腫瘤標(biāo)志物就如同滴入水中的幾滴油。要在龐大復(fù)雜的血液環(huán)境中精準(zhǔn)捕捉微量標(biāo)志物，就需要極其靈敏和智能的檢測(cè)手段。
光的“指紋識(shí)別術(shù)”
科學(xué)家們使用了一項(xiàng)名為表面增強(qiáng)拉曼光譜（SERS）的技術(shù)。這個(gè)名字聽(tīng)起來(lái)很復(fù)雜，但原理其實(shí)不難理解。
當(dāng)我們用手電筒照射一個(gè)物體時(shí)，光會(huì)被反射回來(lái)。大部分反射光的顏色沒(méi)有改變，但有極少部分光的顏色會(huì)發(fā)生細(xì)微變化。這種變化就像每個(gè)分子獨(dú)有的“指紋”，通過(guò)分析這些光學(xué)特征，科學(xué)家就能識(shí)別出被照射的是什么物質(zhì)。
為了讓這個(gè)“指紋”更加清晰，研究團(tuán)隊(duì)使用了金納米粒子——直徑約50納米（比頭發(fā)絲還要細(xì)上千倍）微小的金顆粒。當(dāng)腫瘤標(biāo)志物分子吸附在金納米粒子表面時(shí)，會(huì)產(chǎn)生一種叫做“表面等離子體共振”的物理現(xiàn)象。簡(jiǎn)單來(lái)說(shuō)，金納米粒子就像一個(gè)超級(jí)放大器，能夠把原本微弱到幾乎檢測(cè)不到的光信號(hào)增強(qiáng)百萬(wàn)倍以上。這就如同在安靜的房間里說(shuō)悄悄話很難被聽(tīng)見(jiàn)，但如果拿著擴(kuò)音器，即使是輕聲細(xì)語(yǔ)也能傳遍整個(gè)房間。金納米粒子的這種增強(qiáng)效應(yīng)，讓科學(xué)家能夠“看見(jiàn)”血液中那些極其微量的腫瘤標(biāo)志物。
但新的問(wèn)題又來(lái)了：血液中有成千上萬(wàn)種不同的物質(zhì)，它們的“指紋”相互重疊，形成了一幅極其復(fù)雜的圖像。如同在交響樂(lè)中分辨單一樂(lè)器的聲音，難度極大。
讓人工智能學(xué)會(huì)“專注”
這時(shí)候，人工智能登場(chǎng)了。研究團(tuán)隊(duì)開(kāi)發(fā)的注意力尺度融合網(wǎng)絡(luò)（ASFN），就像一位經(jīng)驗(yàn)豐富的醫(yī)生，能夠從復(fù)雜的信息中快速找出關(guān)鍵線索。
這個(gè)AI系統(tǒng)的工作方式很像人類的大腦。當(dāng)我們看一幅畫(huà)時(shí)，不會(huì)平均地關(guān)注每個(gè)角落，而是會(huì)自動(dòng)聚焦在最重要的部分。ASFN也是這樣，它會(huì)自動(dòng)識(shí)別光譜中最有診斷價(jià)值的區(qū)域，忽略那些無(wú)關(guān)緊要的背景噪音。
更巧妙的是，這個(gè)系統(tǒng)采用了“雙管齊下”的策略。一個(gè)分支負(fù)責(zé)識(shí)別“這是什么腫瘤標(biāo)志物”，另一個(gè)分支負(fù)責(zé)測(cè)量“濃度是多少”。就像醫(yī)生先判斷病人得了什么病，再評(píng)估病情的嚴(yán)重程度一樣。
兩個(gè)分支還會(huì)相互“交流”。當(dāng)?shù)谝粋€(gè)分支確定了標(biāo)志物的種類后，會(huì)把這個(gè)信息告訴第二個(gè)分支：“這是肝癌標(biāo)志物，它的正常濃度范圍是這樣的。”有了這個(gè)提示，第二個(gè)分支就能更準(zhǔn)確地判斷濃度是否異常。
SERS 結(jié)合注意力尺度融合網(wǎng)絡(luò)（ASFN）用于生物標(biāo)志物的定性分類與定量預(yù)測(cè)的示意圖
（圖片來(lái)源：參考文獻(xiàn)1）
六種癌癥標(biāo)志物的精準(zhǔn)識(shí)別
研究團(tuán)隊(duì)選擇了六種最常見(jiàn)的腫瘤標(biāo)志物進(jìn)行測(cè)試，分別是：
癌胚抗原（CEA）——主要與結(jié)腸癌、胃癌相關(guān)，就像消化系統(tǒng)癌癥的“哨兵”。
甲胎蛋白（AFP）：肝癌的重要標(biāo)志，可以說(shuō)是肝臟健康的“晴雨表”。
糖類抗原19-9（CA19-9）：胰腺癌的“信使”，胰腺出問(wèn)題時(shí)它會(huì)升高。
糖類抗原125（CA125）：卵巢癌的“警報(bào)器”，女性健康的重要指標(biāo)。
神經(jīng)元特異性烯醇化酶（NSE）：肺癌特別是小細(xì)胞肺癌的“信號(hào)燈”。
鱗狀細(xì)胞癌抗原（SCCA）：各種鱗狀細(xì)胞癌的“標(biāo)記物”。
為了訓(xùn)練AI系統(tǒng)，研究人員準(zhǔn)備了4610個(gè)樣本。每種標(biāo)志物都設(shè)置了從極低到極高的15個(gè)不同濃度，尤其是在臨床診斷最關(guān)注的“臨界值”附近，增加了更多的測(cè)試點(diǎn)，讓AI系統(tǒng)能夠牢牢掌握正常與異常的界限。
(A) 金納米顆粒的制備及其與樣品組裝用于 SERS 測(cè)量的示意圖；(B) SERS 光譜的采集；(C) 基于深度學(xué)習(xí)的腫瘤生物標(biāo)志物分類與濃度預(yù)測(cè)
（圖片來(lái)源：參考文獻(xiàn)1）
發(fā)現(xiàn)關(guān)鍵的“密碼區(qū)”
通過(guò)分析，研究團(tuán)隊(duì)發(fā)現(xiàn)了光譜中幾個(gè)關(guān)鍵區(qū)域，這些區(qū)域如同破解腫瘤標(biāo)志物身份的“密碼”。
第一個(gè)關(guān)鍵區(qū)域（1688-1696波數(shù)）反映的是蛋白質(zhì)的特征。當(dāng)這個(gè)區(qū)域的信號(hào)被屏蔽后，AI的識(shí)別準(zhǔn)確率從100%驟降至64.74%。如同蒙住了醫(yī)生的一只眼睛，診斷能力大幅下降。
第二個(gè)重要區(qū)域（900-980波數(shù)）與細(xì)胞的能量代謝有關(guān)。由于癌細(xì)胞的代謝方式與正常細(xì)胞不同，會(huì)產(chǎn)生更多的乳酸等物質(zhì)。這個(gè)區(qū)域就如同觀察細(xì)胞“呼吸”的窗口。
第三個(gè)區(qū)域（1428-1436波數(shù)）反映的是細(xì)胞膜的變化。癌細(xì)胞的膜結(jié)構(gòu)與正常細(xì)胞有差異，這種差異會(huì)在光譜上留下痕跡。
這些發(fā)現(xiàn)不僅證明了AI判斷的科學(xué)性，也幫助科學(xué)家更好地理解腫瘤標(biāo)志物的特征。
性能全面超越傳統(tǒng)方法
在測(cè)試中，ASFN展現(xiàn)出了驚人的性能。在識(shí)別腫瘤標(biāo)志物種類方面，準(zhǔn)確率達(dá)到100%，沒(méi)有一個(gè)樣本被錯(cuò)誤分類。相比之下，其他方法都有不同程度的錯(cuò)誤：K近鄰算法的準(zhǔn)確率是94.98%，隨機(jī)森林是91.54%，即使是表現(xiàn)不錯(cuò)的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5，也有0.11%的錯(cuò)誤率。
在測(cè)量濃度方面，ASFN的表現(xiàn)同樣出色。平均誤差只有16.89納克/毫升，考慮到檢測(cè)范圍從0到1000納克/毫升，這個(gè)誤差相當(dāng)于只有1.7%，完全滿足臨床診斷的需求。
打個(gè)比方，如果要測(cè)量一個(gè)100米長(zhǎng)的操場(chǎng)，ASFN的誤差只有1.7米，而傳統(tǒng)方法的誤差可能達(dá)到10米甚至更多。這種精度的提升，對(duì)于早期癌癥診斷來(lái)說(shuō)意義重大，因?yàn)樵缙诎l(fā)現(xiàn)往往意味著更好的治療效果和更高的生存率。
從實(shí)驗(yàn)室到臨床：還有多遠(yuǎn)？
雖然這項(xiàng)技術(shù)在實(shí)驗(yàn)室里表現(xiàn)優(yōu)異，但要真正應(yīng)用到醫(yī)院還需要克服一些挑戰(zhàn)。研究團(tuán)隊(duì)坦言，目前的實(shí)驗(yàn)主要使用人工配制的標(biāo)準(zhǔn)樣本，真實(shí)的病人血液樣本會(huì)更加復(fù)雜。不同人的體質(zhì)、年齡、其他疾病等因素都可能影響檢測(cè)結(jié)果。
此外，設(shè)備的小型化和成本控制也是需要解決的問(wèn)題。目前的拉曼光譜儀還比較昂貴和笨重，要讓基層醫(yī)院都能用得起、用得方便，還需要進(jìn)一步的技術(shù)改進(jìn)。
但研究團(tuán)隊(duì)對(duì)未來(lái)充滿信心。隨著技術(shù)的不斷進(jìn)步，這種智能檢測(cè)方法有望在3-5年內(nèi)進(jìn)入臨床試驗(yàn)階段。屆時(shí)，一滴血、幾分鐘的檢測(cè)，就能獲得多種癌癥標(biāo)志物的準(zhǔn)確信息，為醫(yī)生的診斷提供有力支持。
AI醫(yī)療：開(kāi)啟精準(zhǔn)診斷新紀(jì)元
這項(xiàng)研究是人工智能改變醫(yī)療診斷的一個(gè)縮影。通過(guò)模仿人類專家的思維方式，AI不僅能夠處理海量的數(shù)據(jù)，還能發(fā)現(xiàn)人眼難以察覺(jué)的細(xì)微模式。更重要的是，它能夠不斷學(xué)習(xí)和進(jìn)步，積累的經(jīng)驗(yàn)越多，診斷就越準(zhǔn)確。
在不久的將來(lái)，這種技術(shù)可能不僅用于癌癥檢測(cè)，還能擴(kuò)展到其他疾病的診斷。心臟病、糖尿病、阿爾茨海默癥等疾病都有其特征性的生物標(biāo)志物，都可能通過(guò)類似的方法進(jìn)行早期篩查。
當(dāng)深度學(xué)習(xí)的智慧之光照進(jìn)醫(yī)學(xué)診斷的每個(gè)角落，我們有理由期待一個(gè)更加健康的未來(lái)。在這個(gè)未來(lái)里，疾病能夠被更早發(fā)現(xiàn)、更準(zhǔn)確診斷、更有效治療。
科技的進(jìn)步從來(lái)都不是一蹴而就的，而是無(wú)數(shù)科研工作者日復(fù)一日的努力積累。從一個(gè)簡(jiǎn)單的想法到成熟的技術(shù)，從實(shí)驗(yàn)室的原型到醫(yī)院的設(shè)備，每一步都凝聚著智慧和汗水。但正是這些努力，讓我們?cè)谂c疾病的斗爭(zhēng)中不斷占據(jù)主動(dòng)，為人類的健康事業(yè)開(kāi)辟新的道路。
參考文獻(xiàn)：
【1】Attention Scale Fusion Network for Qualitative and Quantitative Analysis of Serum Tumor Biomarkers Via Label-Free Surface-Enhanced Raman Spectroscopy Jiawei Chen,Boyu Wu,Yanheng Huang,Yehang Wu,Shizhuang Weng,Yan Hong,Qingmei Deng,Ronglu Dong,and Liangbao Yang Analytical Chemistry 2025 97 (33),18217-18226 DOI: 10.1021/acs.analchem.5c03263