LUCID尿脱落细胞拉曼成像AI早诊膀胱癌：19678个细胞训练，敏感度92.31%、特异度87.04%、AUC 0.940
北京航空航天大学、北京大学第一医院等团队在medRxiv发布预印本，提出LUCID平台，把单细胞受激拉曼散射成像与可解释AI结合，用于膀胱癌无创早诊。研究按新制定的标准化尿液前处理方案，对26例膀胱癌患者与54例非膀胱癌参与者的19678个尿脱落细胞做双色SRS显微镜成像，同时可视化脂类与蛋白分布。模型链为深度监督Cellpose做单细胞分割、YOLO做胞内脂滴识别，每细胞提取20个形态与成分特征，主成分分析取10个主成分，再送入多示例学习结合XGBoosting模型，得到敏感度92.31%、特异度87.04%、AUC 0.940；脂滴相关特征提供主要判别信息。适用于膀胱癌无创早诊与监测。
趋势前瞻 × AI技术供应商/创业者 ｜ 影响分析 × 药企研发负责人 ｜ 产品发布
北京航空航天大学、北京大学第一医院等团队在medRxiv发布预印本，提出LUCID技术平台，把单细胞受激拉曼散射成像与可解释AI结合，用于膀胱癌无创早诊。研究按新制定的标准化尿液前处理方案，对26例膀胱癌患者与54例非膀胱癌参与者的19678个尿脱落细胞成像，最终模型取得敏感度92.31%、特异度87.04%、AUC 0.940，目前仍处预印本阶段。
开场：北京航空航天大学、北京大学第一医院等团队在medRxiv发布LUCID平台，把单细胞受激拉曼散射成像与可解释AI结合，用尿脱落细胞做膀胱癌的无创早期诊断。
LUCID全称为Lipid-featured Urine Cytology with Intelligent Detection，即结合脂类特征的尿细胞学与智能检测。团队的出发点是：尿细胞学凭借无创、便捷的特性，本可用于膀胱癌的早期诊断与随访监测，但其敏感度长期显著低于组织病理学金标准，不足以支撑精确诊断。LUCID给出的解法不是继续在形态学上做文章，而是引入化学成像维度，把单细胞受激拉曼散射（SRS）成像与可解释AI模型结合，从细胞内的化学成分差异中找判别信息。论文作者来自北京航空航天大学、北京大学第一医院、新加坡国立大学等单位，通讯作者为北京航空航天大学的Shuhua Yue。研究由北京肿瘤医院与北京航空航天大学伦理委员会批准，受国家重点研发计划（编号2025YFF0517900、2023YFC2415500）、PKU-Baidu Fund（2020BD033）、北京大学第一医院科技成果转化培育引导基金（2022CX02）、中央高校基本科研业务费（JKF-2025086684620）与国家自然科学基金（82672586）资助，作者声明无竞争性利益，研究产生的数据可向作者合理索取。
数据规模：按新制定的标准化尿液前处理方案，对26例膀胱癌患者与54例非膀胱癌参与者的19678个尿脱落细胞成像，用双色SRS显微镜同时可视化脂类与蛋白分布。
数据是这套方法能否成立的前提。团队新制定了一套标准化尿液前处理方案，在此之上对来自26例膀胱癌患者与54例非膀胱癌参与者的19678个尿脱落细胞完成成像。成像采用双色SRS显微镜，可在同一视野中同时可视化脂类与蛋白的空间分布，这两类物质正是细胞代谢状态改变的直接载体。其中脂类通道直接对应胞内脂滴的丰度与分布，蛋白通道则提供细胞轮廓与总量的参照，两个通道互为配准，避免了单通道成像下成分信息与形态信息相互混淆。所有受试者均签署了书面知情同意。从单位层面看，参与者规模不大，但细胞层面的样本量接近两万，这也是单细胞化学成像路线区别于传统细胞学的关键：判别单元从一张涂片下沉到了单个细胞。
模型链：定制的深度监督Cellpose做单细胞分割、基于YOLO的检测模型做胞内脂滴识别，每细胞提取20个形态与成分定量特征，主成分分析取10个主成分，再送入多示例学习结合XGBoosting的模型。
分析流程分四步。第一步，用定制的深度监督Cellpose分割算法完成单细胞分割，把成团或重叠的尿脱落细胞拆开。第二步，用基于YOLO的检测模型识别胞内脂滴，这是整套方法中化学信息的来源。第三步，为每个细胞提取20个形态与成分的定量特征，经主成分分析降维后取10个主成分。第四步，把细胞级特征送入多示例学习结合XGBoosting的模型，完成从细胞到受试者的判别聚合。引入多示例学习的用意在于，一份尿液样本中往往同时存在肿瘤来源与正常来源的异质细胞群，受试者层面的标签并不能直接赋给每一个细胞；把细胞视作包中的实例、由模型自行学习哪些实例承载诊断信号，才能在弱监督设定下完成聚合。定制深度监督Cellpose的代码已在GitHub公开。
结果与可解释性：敏感度92.31%、特异度87.04%、AUC 0.940；形态与成分特征互补，脂滴相关特征提供主要判别信息，支持胞内脂滴表型作为尿细胞层面的膀胱癌标志物；对早期与微小肿瘤检出突出，配对子集中与FISH的一致性为5/6对2/6。
模型取得敏感度92.31%、特异度87.04%、AUC 0.940的成绩。可解释性分析给出两点结论：形态特征与成分特征提供的是互补信息，而其中脂滴相关特征贡献了主要判别力，这一结果支持把胞内脂滴表型视为尿细胞层面的膀胱癌潜在标志物。更具临床意味的是，LUCID对早期与微小肿瘤的检出表现突出，在一个初步的配对子集中，其与FISH检测的一致性为5/6，高于FISH自身的2/6，提示该路线可能补上现有尿细胞学在低级别、小病灶上的短板。三个指标需要放在一起读：AUC反映模型的整体排序能力，而敏感度与特异度则取决于判定阈值的选取，摘要并未说明阈值如何确定，这也是后续评审中会被追问的地方。
冷静观察：这是未经同行评审的medRxiv预印本，膀胱癌病例仅26例、配对FISH子集仅6例，属概念验证规模，摘要未给出置信区间与判定阈值，也未与病理金标准做前瞻对比，临床可用性仍需独立队列复制。
乐观之外需要冷静。其一，这是一篇未经同行评审的medRxiv预印本，方法与结论尚未经过独立同行评议。其二，规模属于概念验证：膀胱癌病例仅26例，配对FISH子集更只有6例，5/6对2/6的差距在如此小的样本上统计学上十分脆弱，随时可能被翻转。其三，摘要未给出敏感度与特异度的置信区间，也未说明判定阈值的选取方式，AUC的稳健性无从判断。其四，研究未与病理金标准做前瞻性对比，横断面设计下的表现能否迁移到门诊筛查与术后随访场景，仍需独立队列复制才能回答。
原文链接：medRxiv（预印本）
千方医数集编辑部 出品
