UCLA团队研发“BlurryScope”：用AI解锁模糊影像，低成本实现乳腺癌HER2检测-肽度TIMEDOO

近日，美国加州大学洛杉矶分校（UCLA）教授 Aydogan Ozcan 团队在 npj Digital Medicine 发表研究成果，推出了一款名为 BlurryScope 的新型扫描显微镜。该设备体积小、成本低，却能借助深度学习算法，对乳腺癌组织样本中的 HER2 蛋白表达进行精准评估。

在现代肿瘤诊断中，数字病理学已成为不可或缺的工具，尤其是在评估HER2等关键生物标志物方面。然而，传统的全视野扫描设备不仅体积庞大，而且造价高昂（动辄超过10万美元），限制了其在中小型实验室和资源有限地区的普及。

相比之下，BlurryScope 的优势十分明显：

  • 成本：不到650美元

  • 体积：35 x 35 x 35 厘米

  • 重量：仅2.26公斤，可轻松移动

其核心创新在于：BlurryScope 不再依赖机械精确的逐点对焦，而是采用“连续扫描”，直接获取带有运动模糊的影像。随后，一个专门训练的深度神经网络对这些“模糊图像”进行解读，准确完成HER2分型。也就是说，以往被视为“废片”的模糊影像，如今成为了有价值的诊断资源。

在一项涵盖 284例乳腺癌患者组织样本的实验中，BlurryScope 在标准的四级HER2评分（0、1+、2+、3+）中达到了 接近80%的准确率。当分为临床可操作的两大类（0/1+ 与 2+/3+）时，准确率进一步提升至 近90%。更重要的是，多次重复扫描结果高度一致，超过 86% 的分类保持稳定，显示出系统的可靠性。

BlurryScope 还实现了诊断流程的全自动化，包括：

  • 连续扫描

  • 图像拼接

  • 感兴趣区域裁剪

  • AI分类

这使其成为病理实验室的即插即用型工具。虽然它并非替代高端数字病理扫描仪，但可作为一种快速筛查、初步评估或在设备受限环境中的有力补充。

Ozcan 教授表示：

“BlurryScope 重新定义了低成本显微技术的可能性。通过深度学习解释模糊图像，我们能够以极低的成本和体积实现临床意义重大的HER2评分。”

论文第一作者 Michael Fanous 博士则指出：

“这一成果为那些长期缺乏高端设备的地区，带来了先进诊断能力的可能。”

研究团队还强调，这一思路并不仅限于HER2检测。利用AI解析“非完美影像”的框架，还可推广至其他组织染色、标志物分析，甚至不同类型的医学影像模式。

这项成果凸显了 光学硬件与计算智能协同设计的新范式：通过算法弥补硬件限制，从而推动诊断方式的普及与革新。随着精准医疗的持续发展，像BlurryScope这样的创新，有望在全球范围内加速高质量癌症诊断的普及。

参考文献：Michael John Fanous et al, BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images, npj Digital Medicine (2025). DOI: 10.1038/s41746-025-01882-x

编辑：周敏

排版：李丽