人工智慧（artificial intelligence, AI）突破將聽力損失研究加速 50 倍

加州大學聖地牙哥分校（University of California San Diego）的生物學家與電腦科學家揭示了一款突破性的人工智慧工具，旨在改變聽力損失的研究方式。這款名為 VASCilia（Vision Analysis StereoCilia）的基於深度學習（deep learning）的系統，自動化耳蝸毛細胞（cochlear hair cells）的視覺化與量化，與傳統人工方法相比，將分析過程加速了 50 倍。

發表在 PLOS Biology 的研究說明，VASCilia 提供前所未有的立毛（stereocilia）三維視圖——立毛是位於內耳、負責感知聲音的微小突起束。透過先進的電腦視覺（computer vision），該工具解決了聽覺科學中的關鍵瓶頸，為基因療法（gene therapy）及聽力受損治療的更快速評估鋪路。

克服微觀瓶頸

人類的耳蝸（cochlea）包含了對聽力至關重要的精細結構，特別是能將聲音振動轉換為神經訊號的毛細胞。這些細胞擁有必須精確排列才能發揮功能的立毛束；較長的毛檢測較低頻率，較短的毛則處理較高頻音。當這些束遭受噪音、老化或遺傳因素的損害時，就會發生聽力損失。

歷來，分析這些結構一直是耗費大量人力的挑戰。研究人員依賴對顯微影像的人工判讀來測量毛束的長度、方向與完整性。這個流程不僅耗時，還容易產生人為錯誤與不一致性。

Uri Manor，UC San Diego 細胞與發育生物學系助理教授，並擔任 Goeddel Family Technology Sandbox 的教務主任，強調了此創新的必要性。「了解立毛束如何隨時間或在暴露於某些環境壓力後變得鬆散，對聽力損失研究非常重要，」Manor 解釋道。「透過目視檢查，我們可以看到正常的束狀模式往往會瓦解……我們想要確切了解這是如何發生的。」

VASCilia 的威力：深度學習（deep learning）在實際應用中

VASCilia 代表生物影像學的一大躍進。由博士後學者 Yasmin Kassim 與 Manor 教授領導的團隊開發，該工具使用五個不同的深度學習（deep learning）模型，這些模型在來自小鼠的專家註釋資料集上訓練而成。這些模型協同工作，簡化先前難以量化的細胞結構分析。

與標準 2D 影像不同，VASCilia 會重建三維資料。它能偵測細胞微小的錯位模式，並以機器精度測量細胞長度與方向等參數。

Yasmin Kassim，Schmidt AI 博士後研究員，強調了效率的提升：「我們已將分析這些細胞長度所需的時間縮短 50 倍，使得許多額外的 2D 與 3D 定量測量能在數分鐘內取得——這些工作否則需要數年的人工作業。」

比較分析：手動與 AI 驅動方法

下表說明了傳統手動分析與新 VASCilia 工作流程在操作上的差異：

對基因療法與未來治療的影響

VASCilia 帶來的加速不僅是學術上的；它對臨床治療，尤其是基因療法，具有直接影響。隨著科學家開發可逆轉毛細胞錯位或損傷的療法，他們需要工具來驗證這些療法在數千個細胞上的有效性。

Manor 指出，基因療法的興起是該計畫的主要動機之一。「有些天生失聰的孩童現在能夠聽見，這要歸功於基因療法，我們預期這類針對聽力損失的療法會持續增長，」他表示。「在基因療法實驗中，VASCilia 讓我們能測量所有細胞，並以非常一致且準確的方式對其進行量化。」

此能力讓研究人員能從定性觀察（例如：「細胞看起來較好」）邁向嚴謹的定量數據（例如：「95% 的細胞恢復到最佳方向」）。如此精確對於法規審核與臨床對新療法的信心至關重要。

開放原始碼與未來展望

為了惠及更廣泛的科學社群，UC San Diego 團隊已將 VASCilia 開放原始碼。研究人員期望促成一個全面的耳蝸毛細胞影像圖譜，作為全球聽覺科學的資源。

論文作者總結，此計畫將支持可適應不同物種、標記與影像尺度的基礎模型的開發。透過民主化取得這項高速分析工具，VASCilia 有望加速不僅是 UC San Diego，而是全球聽力研究社群的進展。

本計畫由 Chan Zuckerberg Initiative、National Science Foundation 與 National Institute on Deafness and Other Communication Disorders 支持，展現了將人工智慧與生物研究整合的變革性潛力。隨著 AI 持續精進科學家「看見」微觀世界的方式，治療感覺障礙的時間表可能會顯著縮短。