出品：科普中國

作者：郭菲（煙臺大學）

監(jiān)制：中國科普博覽

在醫(yī)學發(fā)展的漫長歷史中，人類一直在尋找更早、更準確發(fā)現(xiàn)癌癥的方法。癌癥之所以可怕，很大程度上是因為早期癥狀不明顯，等到出現(xiàn)明顯不適時，很多患者確診時往往已經(jīng)錯過了最佳治療時機。據(jù)世界衛(wèi)生組織統(tǒng)計，如果能在早期發(fā)現(xiàn)并治療，超過三分之一的癌癥是可以治愈的，另外三分之一可以通過治療延長生命并提高生活質(zhì)量。

如今，這個愿景正在變?yōu)楝F(xiàn)實。中國科學院合肥物質(zhì)科學研究院核能安全技術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，開發(fā)出了一套革命性的智能檢測系統(tǒng)。這個系統(tǒng)結合了先進的光學檢測技術和人工智能算法，僅需一滴血液樣本，即可同步檢測六種常見的腫瘤標志物，識別準確率達到了前所未有的100%。

這項突破性成果，標志著我國在癌癥早期診斷技術領域?qū)崿F(xiàn)重要技術跨越。研究團隊開發(fā)的注意力尺度融合網(wǎng)絡（ASFN），不僅能準確識別腫瘤標志物的種類，還能精確測量其濃度，為臨床醫(yī)生提供了強有力的診斷支持。

更令人振奮的是，這項技術采用的是無標記檢測方法——無需添加任何化學標記物或染料，直接對血清樣本進行分析。在傳統(tǒng)檢測方法中，每檢測一種腫瘤標志物通常需要特定的試劑盒和復雜的操作流程，而這個新系統(tǒng)可以一次性完成多種標志物的檢測，大大提高了效率。這意味著檢測過程更加簡單、快速，成本也更低，讓精準癌癥早篩有望惠及更多人群。

血液中的“預警信號”

我們的身體就像一座精密運轉(zhuǎn)的工廠，當某個“車間”出現(xiàn)問題時，便會釋放出一些特殊的“信號分子”——對于癌癥來說，即腫瘤標志物。它們就像是身體發(fā)出的求救信號，告訴我們某個地方可能出了問題。

比如，當肝臟出現(xiàn)癌變時，會釋放一種叫甲胎蛋白的物質(zhì)；胰腺癌則會產(chǎn)生糖類抗原19-9；卵巢癌會分泌糖類抗原125。這些物質(zhì)平時在健康人體內(nèi)的血液中含量極低，一旦癌癥發(fā)生，其濃度就會異常升高。醫(yī)生通過檢測這些標志物的水平，輔助判斷患者是否可能患有某種癌癥。

然而，要在血液中準確找到這些標志物并不容易。打個比方，如果把血液比作一個巨大的游泳池，那么腫瘤標志物就如同滴入水中的幾滴油。要在龐大復雜的血液環(huán)境中精準捕捉微量標志物，就需要極其靈敏和智能的檢測手段。

光的“指紋識別術”

科學家們使用了一項名為表面增強拉曼光譜（SERS）的技術。這個名字聽起來很復雜，但原理其實不難理解。

當我們用手電筒照射一個物體時，光會被反射回來。大部分反射光的顏色沒有改變，但有極少部分光的顏色會發(fā)生細微變化。這種變化就像每個分子獨有的“指紋”，通過分析這些光學特征，科學家就能識別出被照射的是什么物質(zhì)。

為了讓這個“指紋”更加清晰，研究團隊使用了金納米粒子——直徑約50納米（比頭發(fā)絲還要細上千倍）微小的金顆粒。當腫瘤標志物分子吸附在金納米粒子表面時，會產(chǎn)生一種叫做“表面等離子體共振”的物理現(xiàn)象。簡單來說，金納米粒子就像一個超級放大器，能夠把原本微弱到幾乎檢測不到的光信號增強百萬倍以上。這就如同在安靜的房間里說悄悄話很難被聽見，但如果拿著擴音器，即使是輕聲細語也能傳遍整個房間。金納米粒子的這種增強效應，讓科學家能夠“看見”血液中那些極其微量的腫瘤標志物。

但新的問題又來了：血液中有成千上萬種不同的物質(zhì)，它們的“指紋”相互重疊，形成了一幅極其復雜的圖像。如同在交響樂中分辨單一樂器的聲音，難度極大。

讓人工智能學會“專注”

這時候，人工智能登場了。研究團隊開發(fā)的注意力尺度融合網(wǎng)絡（ASFN），就像一位經(jīng)驗豐富的醫(yī)生，能夠從復雜的信息中快速找出關鍵線索。

這個AI系統(tǒng)的工作方式很像人類的大腦。當我們看一幅畫時，不會平均地關注每個角落，而是會自動聚焦在最重要的部分。ASFN也是這樣，它會自動識別光譜中最有診斷價值的區(qū)域，忽略那些無關緊要的背景噪音。

更巧妙的是，這個系統(tǒng)采用了“雙管齊下”的策略。一個分支負責識別“這是什么腫瘤標志物”，另一個分支負責測量“濃度是多少”。就像醫(yī)生先判斷病人得了什么病，再評估病情的嚴重程度一樣。

兩個分支還會相互“交流”。當?shù)谝粋€分支確定了標志物的種類后，會把這個信息告訴第二個分支：“這是肝癌標志物，它的正常濃度范圍是這樣的?！庇辛诉@個提示，第二個分支就能更準確地判斷濃度是否異常。

SERS 結合注意力尺度融合網(wǎng)絡（ASFN）用于生物標志物的定性分類與定量預測的示意圖

（圖片來源：參考文獻1）

六種癌癥標志物的精準識別

研究團隊選擇了六種最常見的腫瘤標志物進行測試，分別是：

癌胚抗原（CEA）——主要與結腸癌、胃癌相關，就像消化系統(tǒng)癌癥的“哨兵”。

甲胎蛋白（AFP）：肝癌的重要標志，可以說是肝臟健康的“晴雨表”。

糖類抗原19-9（CA19-9）：胰腺癌的“信使”，胰腺出問題時它會升高。

糖類抗原125（CA125）：卵巢癌的“警報器”，女性健康的重要指標。

神經(jīng)元特異性烯醇化酶（NSE）：肺癌特別是小細胞肺癌的“信號燈”。

鱗狀細胞癌抗原（SCCA）：各種鱗狀細胞癌的“標記物”。

為了訓練AI系統(tǒng)，研究人員準備了4610個樣本。每種標志物都設置了從極低到極高的15個不同濃度，尤其是在臨床診斷最關注的“臨界值”附近，增加了更多的測試點，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 測量的示意圖；(B) SERS 光譜的采集；(C) 基于深度學習的腫瘤生物標志物分類與濃度預測

（圖片來源：參考文獻1）

發(fā)現(xiàn)關鍵的“密碼區(qū)”

通過分析，研究團隊發(fā)現(xiàn)了光譜中幾個關鍵區(qū)域，這些區(qū)域如同破解腫瘤標志物身份的“密碼”。

第一個關鍵區(qū)域（1688-1696波數(shù)）反映的是蛋白質(zhì)的特征。當這個區(qū)域的信號被屏蔽后，AI的識別準確率從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。

第二個重要區(qū)域（900-980波數(shù)）與細胞的能量代謝有關。由于癌細胞的代謝方式與正常細胞不同，會產(chǎn)生更多的乳酸等物質(zhì)。這個區(qū)域就如同觀察細胞“呼吸”的窗口。

第三個區(qū)域（1428-1436波數(shù)）反映的是細胞膜的變化。癌細胞的膜結構與正常細胞有差異，這種差異會在光譜上留下痕跡。

這些發(fā)現(xiàn)不僅證明了AI判斷的科學性，也幫助科學家更好地理解腫瘤標志物的特征。

性能全面超越傳統(tǒng)方法

在測試中，ASFN展現(xiàn)出了驚人的性能。在識別腫瘤標志物種類方面，準確率達到100%，沒有一個樣本被錯誤分類。相比之下，其他方法都有不同程度的錯誤：K近鄰算法的準確率是94.98%，隨機森林是91.54%，即使是表現(xiàn)不錯的卷積神經(jīng)網(wǎng)絡LeNet-5，也有0.11%的錯誤率。

在測量濃度方面，ASFN的表現(xiàn)同樣出色。平均誤差只有16.89納克/毫升，考慮到檢測范圍從0到1000納克/毫升，這個誤差相當于只有1.7%，完全滿足臨床診斷的需求。

打個比方，如果要測量一個100米長的操場，ASFN的誤差只有1.7米，而傳統(tǒng)方法的誤差可能達到10米甚至更多。這種精度的提升，對于早期癌癥診斷來說意義重大，因為早期發(fā)現(xiàn)往往意味著更好的治療效果和更高的生存率。

從實驗室到臨床：還有多遠？

雖然這項技術在實驗室里表現(xiàn)優(yōu)異，但要真正應用到醫(yī)院還需要克服一些挑戰(zhàn)。研究團隊坦言，目前的實驗主要使用人工配制的標準樣本，真實的病人血液樣本會更加復雜。不同人的體質(zhì)、年齡、其他疾病等因素都可能影響檢測結果。

此外，設備的小型化和成本控制也是需要解決的問題。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，還需要進一步的技術改進。

但研究團隊對未來充滿信心。隨著技術的不斷進步，這種智能檢測方法有望在3-5年內(nèi)進入臨床試驗階段。屆時，一滴血、幾分鐘的檢測，就能獲得多種癌癥標志物的準確信息，為醫(yī)生的診斷提供有力支持。

AI醫(yī)療：開啟精準診斷新紀元

這項研究是人工智能改變醫(yī)療診斷的一個縮影。通過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)人眼難以察覺的細微模式。更重要的是，它能夠不斷學習和進步，積累的經(jīng)驗越多，診斷就越準確。

在不久的將來，這種技術可能不僅用于癌癥檢測，還能擴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志物，都可能通過類似的方法進行早期篩查。

當深度學習的智慧之光照進醫(yī)學診斷的每個角落，我們有理由期待一個更加健康的未來。在這個未來里，疾病能夠被更早發(fā)現(xiàn)、更準確診斷、更有效治療。

科技的進步從來都不是一蹴而就的，而是無數(shù)科研工作者日復一日的努力積累。從一個簡單的想法到成熟的技術，從實驗室的原型到醫(yī)院的設備，每一步都凝聚著智慧和汗水。但正是這些努力，讓我們在與疾病的斗爭中不斷占據(jù)主動，為人類的健康事業(yè)開辟新的道路。

參考文獻：

【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