大阪工业大发现癌细胞高精度识别新原理

日本大阪工业大学研究团队于2026年8月3日发表研究成果，揭示了一种基于白光散射光谱与人工智能分析的新型癌细胞识别原理。该技术能有效区分传统显微镜下难以辨识的癌细胞与正常细胞，尤其在恶性中皮瘤等形态相似度极高的病例中表现突出，为临床病理诊断提供了高精度、低依赖人工经验的新方法。

研究由大阪工业大学生工学部安国良平准教授牵头，联合奈良先端科学技大、近畿大学医学部及数据驱动型科学创造中心的多位学者共同完成。核心突破在于，研究人员发现细胞受白光照射后产生的散射光谱中，隐藏着显微镜无法捕捉的内部微结构变化信息。这些信息虽长期被认为复杂难解，但通过引入机器学习算法，成功实现了对癌变细胞特征的精准提取与分类。

实验中，研究团队使用来自不同医疗机构的细胞样本进行测试，结果显示该方法在多种癌症类型中均具备良好泛化能力，包括肺腺癌、小细胞肺癌、胃腺癌及尿路上皮癌。特别值得注意的是，针对恶性中皮瘤这一典型难题——其细胞形态与反应性中皮细胞极为相似，病理医生常需依赖经验判断——该系统仍能实现高准确率识别，且不受制于不同机构制片流程差异，展现出较强的临床适用性。

该成果已发表于国际期刊《Scientific Reports》（DOI: 10.1038/s4-z），并已完成专利申请。研究团队下一步计划扩大样本量，进一步验证其在真实医疗场景中的有效性，并推动与现有显微镜系统的集成，目标是开发出可自动完成测量与分析的辅助诊断设备，减轻病理医生工作负担。

对中国医疗器械采购商和医院设备选型者而言，该技术路径提示了未来细胞诊断设备的发展方向：从单纯依赖光学成像转向“光谱+AI”复合分析模式。尽管目前尚处于科研阶段，但其对检测精度的提升潜力显著，尤其适用于基层医疗机构缺乏病理医生的情况。若未来实现商业化，相关配套设备可能涉及高稳定性光源模块、微型光谱仪、专用图像处理芯片及定制化AI模型部署方案，值得关注其供应链布局。

此外，该技术所依赖的白光散射光谱采集无需染色或特殊标记，属于无创检测手段，符合当前精准医疗对低侵入性、快速筛查的需求趋势。对于中国正在推进的“早癌筛查工程”和区域医疗中心建设，此类非染色、高通量的辅助诊断系统具有潜在应用价值。后续若进入临床验证阶段，将可能催生一批专注于生物光子学与医学AI融合的国产设备企业，形成新的细分赛道。