由香港大學 (港大) 工程學院生物醫學工程課程主任謝堅文教授領導的研究團隊，成功開發人工智能（AI）細胞成像工具，可以快速準確地診斷癌症病人，提高醫療成效。研究團隊與港大醫學院及瑪麗醫院合作，成功將他們最新型的生成式人工智能方法（CytoMAD）應用在肺癌病人身上，以及進行藥物測試。CytoMAD 結合團隊專利的微流控技術，可以快速、低成本地對人體細胞進行「無標記」成像，幫助醫生在單個細胞的精度水平評估病人的腫瘤， 例如估計肺癌病人癌症轉移風險。

CytoMAD 利用生成人工智能自動校正細胞顯微成像質素，並從細胞圖像中提取原本圖片檢測不到的資訊。CytoMAD 的全方位功能確保準確及可靠的數據分析和診斷。

「到目前為止，市場仍沒有一種具經濟效益的技術能通過成像進行單細胞分析。在傳統方法下，成像通量不夠快，細胞圖像不夠清晰，所提供的資訊也不完備。」謝教授說。該團隊的研究成果最近發表在《Advanced Science》期刊上。面對顯微鏡下細胞樣本「能見度」低的挑戰，醫生通常會採用對樣本進行染色和標記的常用方法。這種方法不僅費時、過程繁瑣，且成本效益低。同時，這也意味著病人需要等待一段時間，例如通過血液樣本，才能知道他們的細胞分析結果。而謝教授的人工智能技術其中一個主要優勢是「無標記」，意即準備病人或細胞樣本的步驟更少。這樣節省了大量時間和人力，提高了診斷和藥物研發過程的速度和效率。「我們使用生成式人工智能技術渲染更清晰的無標記圖像，並提供有用的資訊」。

這種新方法也解決了「批次效應」（Batch Effect）的挑戰——這種效應是由不同實驗批次和條件引起的常見的技術差異，例如儀器配置或圖像採集方案的差異，阻礙了對細胞形態的真正生物學解釋。

儘管肺癌高踞全球致命癌症首位，但CytoMAD 的應用不僅限於肺癌病人。通過採用省時的「無標記方法」，以及由生成式人工智能驅動的高速成像和診斷功能，CytoMAD可以縮短藥物篩選的漫長過程。

展望未來，研究團隊其中一個主要目標是訓練模型，使醫生能夠預測潛在病人的癌症或其他疾病。「利用大量數據進行預測是人工智能在生物醫學領域應用中最強大的方面。」謝堅文表示。