加州理工学院的跨学科研究团队开发了一款名为 CellSAM 的人工智能算法，能够自动识别并标注各种生物学图像中的单个细胞。该研究由生物学与生物工程学助理教授大卫·范·范伦与计算与数学科学教授尹松·月合作完成，相关成果已发表于《自然·方法》期刊。 长期以来，显微镜图像的细胞识别与标注主要依赖人工完成，耗时且费力。CellSAM 的出现彻底改变了这一现状。作为首个能广泛应用于多种生物学场景的模型，它不仅能区分不同类型的细胞，还能精准定位细胞位置并分析其相互作用。这对于理解癌症免疫疗法的个体差异、观察免疫细胞如何清除病原体等复杂生物动态至关重要。 该算法通过在海量已标注图像上进行训练，实现了对不同生物学现象的通用识别，包括隐藏在组织中的肿瘤细胞及分泌粘性物质的细菌等。研究团队表示，将继续利用更多类型的生物数据优化模型。目前，CellSAM 已向全球研究人员免费开放。 尹松·月教授指出，此类工具不仅提升了现有图像分析流程的效率，更使以前难以实现的超大规模生物学探索成为可能。借助 CellSAM，研究人员可以追踪数百万个细胞在不同条件下的状态，从而探究稀有细胞状态的显现机制，以及细胞形态的细微变化与治疗效果之间的关联。大卫·范·范伦强调，这一技术正在逐步消除数据分析的瓶颈，为获取前所未有的科学见解铺平道路，极大地推动了生物发现的边界。