科大研發新AI框架 助病理分析更快捷
香港文匯報訊（記者 史柳藝）組織病理分析是臨床診斷的重要基石，在癌症診斷中尤其關鍵，然而，傳統化學染色流程往往耗時費力，並可能消耗珍貴的組織樣本。香港科技大學團隊最近成功研發出一種全新的生成式人工智能（AI）框架，能在訓練圖像未能精確配準下，依然生成高保真度的虛擬染色圖像，為更快速、更省樣本的組織病理分析流程提供新方向。
是次研究由科大計算機科學及工程學系助理教授、醫工交叉聯合創新中心主任兼SmartX Lab主任陳浩帶領，聯同多所大學及機構的研究人員合作，透過生成式AI，有效推動虛擬染色（virtual staining）技術走向實際臨床病理診斷的流程。
常規的病理診斷通常要製備多種活檢組織切片並進行化學染色，學界積極發展虛擬染色—利用AI將無標記或常規染色圖像數位轉換為目標染色，以節省樣本，並為診斷、科研分析和多模態建模提供更多「虛擬通道」。
然而，虛擬染色要求輸入圖像與目標圖像素級精確對齊，惟現實中組織切片、染色等過程極易產生褶皺變形，導致配準誤差與位置偏移，對分析腺體邊界、免疫細胞定位等關鍵信息時帶來干擾，嚴重影響其可靠性。
就此，科大團隊提出「解耦生成與配準（DGR）」的AI框架，在模型訓練中已明確處理誤差，讓生成模型專注染色外觀轉換，配準機制負責矯正空間形變。團隊在五個數據集、四類染色任務中進行評估，確認DGR生成的圖像質量與結構保真度均優於現有模型。
證與真實染色圖像幾無分別
團隊又讓資深病理醫生就1,000張染色圖像作盲測，證明DGR框架生成的虛擬染色圖像，視覺上與真實染色圖像幾乎沒分別。下游病理AI分析亦發現，DGR模型在結直腸息肉分類和胃癌分類中表現均有提升，顯示虛擬染色完整保留形態學與空間結構，具輔助診斷價值。
相關成果已於早前在國際期刊《自然—通訊》上發表。
