香港大学李家祥工程学院电信工程系教授张家泰领衔的研究团队，推出了一种名为 MorphoGenie 的新人工智能框架，旨在解决显微镜细胞图像分析中数据提取难、结果难解释的两大挑战。该研究成果已发表于《自然·通讯》。 现有 AI 工具常被视为“黑箱”，难以让研究人员理解其决策依据，而细胞健康与病变的细微差异往往肉眼无法辨识。MorphoGenie 突破了这一局限，它模仿人类学习原理，从细胞图像中自动提取并学习一组可复用的视觉构建模块，如细胞大小、形状、内部纹理及局部细节。这些模块可组合用于描述多种细胞状态，使 AI 不仅预测结果，还能清晰展示判断依据，实现了高度的可解释性。 研究表明，MorphoGenie 无需人工标注即可直接从图像中学习，成功区分了肺癌亚型，检测出药物诱导的细胞形态变化，并能追踪细胞周期进程及上皮 - 间质转化等与疾病进展密切相关的动态过程。该方法具备跨显微镜技术（如荧光成像和无标签相位成像）的通用性，并能将已学知识迁移至未见过的数据集，展现出在疾病研究、药物发现及治疗反应评估中的广阔应用前景。 团队指出，在生物医学领域，AI 系统的信任度、可重复性及科学洞察力至关重要。MorphoGenie 通过提供透明且可验证的分析方式，确保了科学家能理解并核实 AI 的发现，从而将人类专业知识置于发现过程的核心。这一突破为未来构建既强大又透明的生物医学 AI 系统奠定了坚实基础，有望推动人类对健康与疾病认知的进一步深化。