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”。
01
数十年专研，提出肿瘤病灶的光谱定量特征
从20世纪初医学影像技术诞生之日起，肿瘤诊断的序幕也随之拉开。发展至今，临床常用的诊断方法已包括影像法、肿瘤标志物检测、细胞学诊断等。
医学影像通常是肿瘤诊断的第一步。目前医学影像技术已然朝着更精准、更清晰的方向发展，并衍生出包括X射线成像、CT扫描、MRI、PET扫描在内的多种影像技术。这些先进的影像工具能够为我们显示身体内部的结构和异常团块，但它们并不能完全确定这些团块是否为肿瘤，以及肿瘤的确切性质和严重程度。
因此，当影像结果显示疑似肿瘤时，患者便将接受肿瘤标志物检查或者组织活检，进一步判断是否罹患肿瘤。肿瘤标志物检测主要是通过分析血液、尿液等体液中的特定蛋白质或其他生物标志物来预测肿瘤的发生。但这种方法并非无懈可击，它可能会产生假阴性和假阳性结果，且对肿瘤的预测效果较差。
而组织活检虽然目前被广泛认为是肿瘤诊断的金标准，这一过程通常需要通过穿刺或手术来获取样本。这种介入治疗的方式会给患者带来不适感，甚至可能会引起患者的抵触情绪。同时介入治疗步骤繁琐，检验时间也需要一周左右。
此外，介入治疗仅能确认一处异常团块的情况，这种方式难以进行大规模筛查，对于可能存在多处癌症并发的患者来说，这种方法无疑会增加额外的不适和负担。总的来说，尽管现有的诊断方式在某些情况下非常有效，但它们仍然存在一些挑战，包括较高的假阴性和假阳性率、难以进行大规模筛查以及耗时较长等问题。
曾任湖北省光谱成像技术中心主任的曾立波教授，是我国最早开展扫描电镜联机图像处理升级系统的专家之一。他曾组织过多个国家级科技项目，包括“光谱成像分析系统的研制与开发”和“傅立叶变换红外光谱仪与激光拉曼光谱仪的研制与开发”。
曾立波教授在研究过程中，发现肿瘤与光谱之间的特征关系。为解决目前癌症诊断的临床痛点，他与AI算法研究团队、复旦大学工研院等交叉学科人才一起成立了希诺智能，立志用“AI+光谱”技术，让癌症诊断更进一步。
02
“光谱+AI”并驾齐驱，提升肿瘤诊断效率
其实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。”
希诺智能全套细胞病理解决方案
03
希诺宫颈癌诊断产品获批
目前，希诺智能团队已经掌握了多病种肿瘤的通用模型技术，并且在商业化进程中希诺率先选择了将宫颈癌作为首要的布局方向。
以宫颈癌为例，传统宫颈癌诊断主要是通过阴道镜检查和宫颈细胞学检查。阴道镜检查在宫颈癌筛查中扮演着至关重要的角色，然而，阴道镜检查的结果很大程度上依赖于医生的经验和主观判断，这可能导致过度诊断或误诊。另外，阴道镜检查无法对肿瘤的状态进行判断，还需要进一步的检验。
宫颈细胞学检查作为宫颈癌筛查中的另一个重要环节，但其结果的准确性受到人为因素的影响较大，导致标本的合格率不稳定，敏感度也有待提升。此外，这种检查方法的化验时间较长，整个实验诊断流程通常需要1-2天，这不仅可能造成医疗资源的浪费，还可能影响患者的及时诊断和治疗。因此，提高宫颈细胞学检查的准确性和效率，减少人为因素的干扰，对于优化宫颈癌筛查流程至关重要。
希诺智能医学提供的全套细胞病理解决方案，能够显著缩短实验流程和诊断时间，将整个前处理过程控制在1个小时以内。并且通过引入人工智能辅助诊断技术，该方案消除了主观诊断因素的影响，大幅提升了检验结果的准确性。实验数据表明，希诺智能医学的产品在整体诊断敏感性方面已经超过98%。
与传统诊断方式相对比
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。
04
打造双基地，推动研发与制造一体化
目前，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。
接下来，团队计划吸引更多交叉复合型人才，并与如武汉大学、复旦大学等科研机构合作，以创新力量推动“光谱+AI”医疗技术的发展。未来，希诺智能将继续利用“AI+光谱”技术填补癌症诊断领域的空白，让AI真正结合医疗，落地临床，让更多患者享受科技进步带来的益处。
目前希诺智能正在进行新一轮融资，如果您对希诺智能感兴趣，请与我们联系。
近
期
推
荐
