共计 607 个字符，预计需要花费 2 分钟才能阅读完成。
在过去十年中，精准医疗作为一种癌症治疗策略日益受到关注。该策略依据患者疾病的独特特征及其个人背景量身定制治疗方案。这些独特的疾病特征，即“表型”，能够帮助医生选择最有效的治疗方法。
精准医疗的应用不仅能提高癌症患者的生存率，还能显著改善他们的生活质量。然而，尽管在癌症治疗和新药测试方面取得了显著进展，用于识别疾病表型的工具却相对滞后。目前，识别这些表型通常需要依赖昂贵的检测手段，阻碍了精准医疗的普及。
- 
- 
- 
- 
- 
- 
亚利桑那大学的研究团队最近开发了一种更为快速且经济的识别胰腺癌疾病表型的方法。他们的研究成果发表在《生物光子学发现》上，详细介绍了一种结合无标记光学显微镜和人工智能（AI）进行疾病表型分析的新技术。
研究团队利用最新的空间转录组学技术，生成组织基因表达的空间图谱，从而深入了解疾病行为并建立表型。随后，他们对相同样本进行无标记光学显微镜检查，通过测量不同生物标志物的自然荧光以及一种称为二次谐波生成的响应来形成图像。
研究团队还开发了一种深度神经网络 AI 算法，该算法经过训练，能够仅基于无标记光学显微镜图像预测组织的表型。该方法成功预测组织表型的准确率接近 90%，这一发现展示了无标记显微镜和人工智能在精准医疗应用中的巨大潜力。
这项研究标志着光学成像在精准医疗应用中的重大进展，最终可能使精准医疗在未来更加普及和有效。更多详情，请参阅 S. Guan 等人的原始开放获取文章《使用无标记显微镜和深度学习进行光学表型分析》。
