希诺智能：以“AI+光谱”技术打造肿瘤病理辅助诊断智能方案

kungkingchung

在肿瘤诊断过程中，病理诊断是至关重要的环节。病理诊断不仅关系到肿瘤的干预时间，也直接影响着治疗策略的选择和患者的预后。医疗领域的不断进步推动着病理诊断技术的发展，从传统的病理切片到现代的分子生物学检测，每一次技术突破都会为患者点燃新的希望之光。

然而，更准确、更早期地识别出肿瘤，是科研人一直追求的目标。在医学与工程学深度融合的今天，病理诊断领域正在迎接新的突破。希诺智能医学（后简称：希诺智能）自成立以来，便致力于将光谱分析技术和AI算法相结合，为肿瘤诊断提出创新的“智能方案”。

将光谱与肿瘤筛查相结合并非一个新的概念。早在20世纪90年代初，便有科研人员尝试利用拉曼散射效应来探测生物组织的分子振动信息，从而对肿瘤进行识别和分类。

然而这项技术发展至今仍存在诸多难点。首先，拉曼散射信号通常比较弱，尤其在生物样品中，这一问题更为明显。生物样品自身的荧光可能会干扰拉曼信号，使得信号提取和分析变得困难。且生物样本通常具有高度的复杂性和异质性，它们包含多种分子和化合物，这种特性难免会导致出现不同细胞和组织的拉曼光谱特征相似的机率，使得分析时难以提取出有用的信息。在临床中，这将极大程度影响肿瘤诊断的准确性以及全面性。

其次，由于不同的样本制备流程、光谱仪器的设置以及数据处理和分析方法，拉曼散射信号可能会产生偏差，从而导产生显著不同的光谱结果。这也将影响医生对于肿瘤类型，甚至发展情况的判别。

因此，尽管拉曼光谱技术在肿瘤诊断领域显示出广泛的应用前景，但真正应用并能够将这项技术成功转化的团队却寥寥无几。

而希诺智能的研发团队，凭借丰富的科研经验，发现了肿瘤病灶的光谱定量特征，针对光谱检验技术开发了一整套硬件设施，实现了从制备流程设定到硬件规范的闭环，显著提高了通过光谱技术诊断肿瘤的准确性。

与之同时，新的问题又接踵而至。肿瘤组织的异质性和潜在的癌浸润增加了从组织中收集的光谱数据的复杂性。因此，有必要从每个组织样本中收集大量的光谱数据。然而，如果使用传统的数据统计方法，很难确保分析过程中不会出现错误。此外，肿瘤类型繁多，逐一进行比较不仅工作量大、成本高昂，还可能延误患者接受最佳治疗的时机。

针对这一问题，希诺的研发团队已经将AI大模型技术融入病理诊断领域，开发出了能够显著提升诊断质量和效率的产品，重点针对病理的多病种通用模型。目前，团队基于光谱分析和AI算法，已经建立了一个能够对所有部位病理切片进行恶性肿瘤细胞筛查的模型，构成了独属希诺智能的技术护城河。

为了便于理解，希诺智能医学CEO方润，用汽车自动驾驶的概念比喻这两项技术：“光谱技术就像激光雷达方案，而AI则是摄像头视觉方案。两项技术相辅相成，才能显著提高诊断的准确率。”

目前，希诺智能正在针对乳腺癌、前列腺癌、胃癌等癌种进行研发与验证，旨在扩展细胞病理解决方案的适应症，将希诺的先进技术应用于更广泛的疾病领域，让更多患者享受快捷且准确的肿瘤诊断服务。

希诺智能已经在武汉光谷南大健康区和杭州城西科创大走廊建立了研发生产基地，实现了全线产品的自主研发和生产。