共计 789 个字符，预计需要花费 2 分钟才能阅读完成。
外科手术中，精准区分组织是关键挑战。传统方法依赖医生经验，而光谱成像技术能捕捉更多细节。但解析海量数据需要 AI，而 AI 训练又缺乏高质量的人类手术影像数据。现在，研究人员从动物身上找到了新方法。
受异种移植启发，德国研究团队提出了“异源学习”概念，实现跨物种知识迁移。这项研究已发表于《自然·生物医学工程》杂志，为手术成像带来了革新。
跨越物种鸿沟：AI 学习病理变化模式
人类、猪和大鼠的组织光谱特征存在差异，但 AI 可以学习共通的病理生理变化模式。研究团队利用超过 13,000 张高光谱图像数据集训练神经网络，引导 AI 关注组织光谱特征的相对变化规律。
传统 AI 模型用动物数据训练后，在人类数据上表现不佳。但通过异源学习方法，AI 掌握了“变化模式的语言”，成功将知识迁移到人类组织影像分析中。这解决了人类手术影像数据匮乏的难题。
异源学习的核心优势
异源学习方法为手术成像带来多重优势：
推动手术精准化的未来应用
术中实时光谱成像结合 AI 分析，能为外科医生提供组织功能地图。Alexander Studier-Fischer 医生指出，这是推动手术更安全、更精准的重要一步。未来可能像 GPS 导航一样，实时显示肉眼不可见的组织信息。
研究团队已公开算法代码和预训练模型，促进全球科学界使用。这项技术不仅开辟了医学 AI 数据获取新路径，也为智能外科手术系统发展奠定基础。
光谱成像与 AI 的结合前景
光谱成像技术能捕捉组织血流、氧合状态等生理细节，而 AI 能解析这些高维数据。异源学习方法让两者结合更加可行，特别是在数据稀缺的领域。这为癌症手术、神经外科等精细手术提供了新工具。
随着技术成熟，AI 向动物学习的模式可能扩展到其他医学影像领域，推动整个医疗 AI 的发展。
