德国信息安全研究中心CISPA的科学家萨拉思·西瓦普拉萨德（Sarath Sivaprasad）与来自CISPA及HIPS的同事胡慧波（Hui-Po Wang）和马里奥·弗里茨（Mario Fritz）合作，开发出一种基于人工智能的系统，可自动检测斑马鱼胚胎发育过程中的异常。该系统结合大规模、高分辨率的图像数据集与基于Transformer架构的机器学习模型，能够高效、精准地识别化学物质毒性影响及生育能力变化。 斑马鱼因其身体透明、基因与人类高度相似，且发育迅速、对化学物质反应灵敏，成为药物研发中重要的模式生物，尤其适用于高通量毒性筛查。然而，传统分析仍依赖专家人工观察，耗时且主观。现有数据集在时间跨度和规模上均不足以支持大规模AI模型的训练。 为突破这一瓶颈，研究团队构建了迄今最全面的斑马鱼胚胎发育图像数据集，包含超过18.5万张显微图像。研究人员将胚胎置于培养孔中，持续显微记录其发育全过程，并对图像进行精细标注，涵盖生育状态和发育异常的时间序列信息，为自动化分析提供了高质量基准。 在此基础上，西瓦普拉斯德训练了一种新型Transformer神经网络，不仅能理解单帧图像的结构，还能捕捉胚胎在时间序列中的动态变化。该AI模型在判断胚胎是否成功受精方面达到98%的准确率，在检测有毒化合物（3,4-二氯苯胺）引起的发育异常时准确率达92%。更重要的是，模型能像人类专家一样追踪发育进程，实现早期毒性预测。 研究团队计划将该系统扩展至数千种化学物质的筛查，以加速药物安全评估。完整数据集将免费发布于GitHub，供全球科研人员使用和拓展。这一成果不仅为AI与生物医学交叉研究提供重要工具，也推动更高效、更伦理的毒性检测方法发展。相关论文将于2025年在韩国举行的第28届国际医学图像计算与计算机辅助干预会议（MICCAI 2025）上发表。