全國首個振動光譜結合人工智能算法篩查人畜共患病新技術，僅用一滴血中的血清，就能准確判斷人畜共患病的患病情況，准確率高達90%以上。

這是近兩年，新疆包虫病防治領域又一項新的突破，對新疆地方病防治關口前移的診療，有著重要意義。

這項技術背后，是新疆兩支科研團隊歷時10年的醫學“長征”。

2010年，呂小毅（現新疆大學科技處處長）從西安交通大學電子與信息工程學院博士畢業后，到新疆大學任教。得知學校來了一位光學生物傳感器研究領域的專家，新疆大學生命科學與技術學院請他作了一場關於拉曼光譜技術的學術報告。

呂小毅以拉曼光譜在寶石鑒定、食品鑒定等領域的應用為例講述檢測原理——好比用手彈一下不同材質的彈簧，比如鋼彈簧和橡皮筋，它們振動的頻率和方式各不相同。類似的，分子中的化學鍵就像微小的“彈簧”，各有獨特的振動頻率。當用激光照射標本時，光子會與這些“分子彈簧”發生碰撞。通過這些振動頻率，准確地識別物質的組成。

台下，新疆醫科大學第一附屬醫院臨床醫學研究院研究員呂國棟在筆記本上重重做出標記。這位常年奔波於牧區的包虫病防治專家，敏銳捕捉到技術轉化的可能。彼時，新疆包虫病雖經數十年防治，但傳統檢測手段仍受困於B超等診斷儀器和檢測實驗室，牧民往往需跋涉數十公裡才能到醫院完成診斷。

“既然能鑒別寶石成分，是否也能識別病原蛋白？”兩位青年學者的跨學科碰撞，拉開了這場10年攻堅的序幕。

2013年，在省部共建中亞高發病成因與防治國家重點實驗室主任溫浩和新疆大學教授賈振紅的支持下，兩支科研團隊正式“合體”。

“首批檢測就像在暴風雪中尋找一片特定的雪花。”呂國棟回憶道，團隊採集的血清樣本在儀器上僅呈現雜亂無章的波動曲線，“整整3個月，我們連包虫病的特征峰都捕捉不到。我都開始懷疑了，但小毅很堅定，說咱們就堅持朝這個方向做下去。”

兩人進行了復盤，決定建立標准化生物樣本庫，優化激光曝光參數，逐步攻克信號衰減難題。

在大家的努力和積極爭取下，團隊購置了拉曼光譜儀，陸續獲得了科研項目資金支持。基於機器學習算法，研究團隊創造性引入深度學習模型，在借鑒國內外先進技術經驗的基礎上，研發出“多通道頻分復用算法”，用“智能交通調度”思維突破光譜解析瓶頸。“就像在固定帶寬內規劃智能交通，讓不同光譜特征有序通行。”呂小毅通俗比喻說。

與此同時，在新疆醫科大學第一附屬醫院臨床醫學研究院和省部共建中亞高發病成因與防治國家重點實驗室項目資金的支持下，呂國棟帶著團隊深入天山南北，奔波於羊圈與氈房間，建立起1500例標准化血清樣本庫，為AI模型注入扎實的“生命數據”。

他們不斷優化算法，成功突破復雜生物樣本的解析瓶頸，獲得了血清拉曼光譜數據，應用線性判別等機器學習算法，建立了基於振動光譜技術結合人工智能算法的3項人畜共患病篩查技術。

如今，他們將這項科研技術成果轉化成了一台便攜篩查儀，已在部分牧區試用。把血清樣本滴到樣品槽裡，對准激光檢測點，大概在2—3分鐘，拉曼光譜就能檢測到結果，准確率高達90%以上。和現有其他的包虫病檢測方法相比，靈敏度提升了9%—15%。

“晚期包虫病患者，治療往往要通過自體肝移植或肝移植這種創傷很大、難度很高的手術。我們想通過早篩早診早治，盡量在病灶很小時，想辦法讓患者不開刀就能把包虫病治好。”目前，呂國棟和團隊也在參與一些包虫病藥物研究，取得了一定進展，“未來，我們希望把這些好的經驗、技術推廣到中亞國家、蒙古國等，共同做好人畜共患病的防治工作。”（蘇璐萍）

分享讓更多人看到