联合OCT与拉曼光谱的内镜平台用于头颈癌动态监测
摘要
研究团队开发了一种微型前视光纤探针，集成光学相干断层成像（OCT）和拉曼光谱（RS），可同步实现视频速率OCT成像与1秒RS采集。该系统在4NQO诱导的小鼠头颈癌模型中，纵向追踪了上皮从增生、异型增生、原位癌到浸润癌的全过程。研究还构建了可解释AI融合框架，联合分析结构与分子时序特征以分类组织状态。
信息来源： PubMed Ophthalmology 发布于 2026年9月30日
要点速览
- 研发出集成OCT与拉曼光谱的微型前视光纤探针，支持同步视频速率OCT成像与1秒拉曼光谱采集。
- 构建可解释AI融合框架，联合学习生化与结构时序特征，用于组织状态分类并识别关键预测因子。
- 在4NQO诱导的小鼠模型中成功纵向追踪上皮从增生→异型增生→原位癌→浸润癌的完整癌变过程。
本站解读
这项研究的核心突破是把两种成像技术‘拧’进一根微型光纤探针里——OCT看组织结构，拉曼光谱抓分子信号，且能1秒完成一次分子扫描，再配上AI融合分析，首次在活体小鼠中连续画出了癌变全过程的‘双轨时间图’。样本虽限于小鼠模型，但设计严谨：纵向跟踪同一动物多个时间点，避免个体差异干扰；技术整合度高，非简单拼接。不过，从鼠到人还有巨大鸿沟：人体头颈黏膜更厚、运动更多、背景干扰更强，OCT和RS的信噪比与穿透深度能否维持尚无数据支撑。短期内不可能替代活检，更难直接用于眼科——原文明确指向头颈癌，未涉及眼组织或眼科临床场景。国内情况有待确认。
普通人完全无需因此改变任何行为：这不是筛查工具，不面向公众，也不解决视力问题。它属于底层技术探索，价值在于为未来高风险人群（如头颈癌术后患者）提供无创动态监测新路径，但离临床常规应用至少还需5年以上验证周期，包括人体可行性试验和监管审批。
常见问题
这个新技术能用在眼睛检查上吗？
不能直接用于眼科检查。该研究明确针对头颈部黏膜癌变监测，使用的是适配咽喉等部位的前视光纤探针，未涉及眼部解剖适配、安全性验证或眼组织成像数据。OCT虽在眼科已有成熟应用（如视网膜成像），但本系统集成方式、算法训练数据和临床目标均与眼科无关。如有疑虑可咨询眼科医生。
以后做癌症检查不用切组织了吗？
目前还不能替代活检。该技术仍处于小鼠模型验证阶段，尚未进入人体试验，也未证明其诊断准确率能达到临床金标准水平。活检提供细胞病理学金标准，而本平台属于无创辅助监测工具，目标是早发现动态变化，而非取代组织学确诊。如有疑虑可咨询眼科医生。
延伸阅读
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。