“仅需小于 0.5 微升脑脊液，5 分钟内即可实现 96.13% 的诊断准确率。我们希望为急性白血病，尤其是棘手的中枢神经系统白血病诊断，提供全新的‘光谱学利器’。” 西安电子科技大学副教授张东杰介绍道。近日，西安电子科技大学陈雪利教授团队在《细胞》子刊《细胞报告医学》发表最新研究成果，一款融合深度学习与光谱技术的智能诊断平台，让快速精准捕获白血病细胞及分泌物成为可能。

　　这项研究的起点，源于 2021 年一次普通的学术交流。华西医院检验科医生在交流中谈到：白血病细胞侵入中枢神经系统后，会牢牢贴在脑膜血管壁上，导致脑脊液中游离的异常细胞数量很少，这使得常规细胞学或流式细胞术方法容易出现假阴性或漏诊，不仅给医生诊断带来风险，也给患者带来沉重的心理负担。

　　“能不能用我们的方法，帮临床‘看’得更清、更准?”一个源于现实痛点、旨在“破局”的交叉研究构想，就此萌芽。

　　那么，要如何从极微量样本中捕获有效的疾病信号?又该如何从海量信号中精准识别出疾病的“指纹”?

　　基于SERS光谱和深度学习(DeepLearning,DL)策略的DL-SERS分类方法：(A)光谱数据采集;(B)DL-SERS分类方法;(C)急性白血病筛查;(D)不同类别或亚型急性白血病诊断;(E)模型通用性

　　“首先，我们通过SERS(表面增强拉曼光谱)的高灵敏检测技术，将样本中的疾病信号放大。”论文第一作者张东杰副教授解释道，SERS技术能够通过入射光和贵金属纳米结构的相互作用实现6—8个数量级的信号放大。同时，该技术还具有特异性好、操作简单、样品需求少以及不受生物样品自发荧光和水干扰等优点。

　　团队还设计了一种类似“猪笼草”结构的超疏水滑移基底，能将微小的样本液滴快速聚集浓缩。这使得检测所需的样本量降至“小于0.5微升”，整体检测流程缩短至“5分钟以内”。这对于简化临床操作、助力医生快速决策具有重要意义。

　　“我们还研发了‘多特征融合’的智能‘解码器’，它能将一维光谱和二维图像融合，既可以提取光谱的强度、半高宽信息，还可以捕捉到光谱的位置、对称性以及局部空间信息，让模型获得更立体的‘视觉’，从而做出更精准的判断。”张东杰说。

　　最终，这个全新的AI-SERS平台交出了一份亮眼的“成绩单”：急性白血病筛查准确率高达96.13%，在区分不同亚型、判断基因异常等多项高难度诊断任务中，准确率均超过91%，相关评估指标均表现优异。

　　优异的性能背后，是跨越五家医疗与科研机构的紧密协同：西电团队负责技术攻坚与算法开发;四川大学华西医院、西安大兴医院、山东大学齐鲁医院、山东第一医科大学附属第一医院等合作医院，则承担了临床样本采集与大规模验证的重任。

　　“起步时，我们只有华西一个中心的样本。但要证明方法的普适性，必须有多中心数据的支持。”陈雪利教授感慨道，“幸运的是，当我们展示出初步成果后，后续加入的医院伙伴们给予了我们毫无保留的信任和支持。”392份脑脊液样本、接近20000条光谱数、包含来自120名患者的6000多条光谱数据用于外部独立验证……是这张由多方共同织就的临床验证网络，确保了研究成果的可靠性与未来走向临床的潜力。

　　谈及临床应用前景，共同通讯作者曾琦副教授表示，该技术走向大规模临床应用尚需完成医疗器械注册所需的试剂盒定型、大规模临床试验等环节。“未来，我们希望它能发展成为一项独立、快速的光谱学诊断工具。”

　　目前，这项技术已展现出成为一个普适性“液体活检光谱学辅助诊断平台”的巨大潜力。“除了白血病，我们在脑胶质瘤、宫颈癌、干眼症等疾病的检测上也看到了曙光。”陈雪利描绘了团队的蓝图：未来，或许只需一滴体液，就能快速、无创地对多种疾病进行早期筛查。

　　起点新闻记者 李卓然