大肠癌是全球第二大最常见的癌症，大约90%的病例发生在50岁以上的人群中。癌细胞从结肠的内表面或粘膜层产生，可以穿透结肠的更深层并扩散到其他器官。如果不及时治疗，这种疾病是致命的。

当前的结肠癌筛查是通过柔性结肠镜进行的。该过程包括使用安装在内窥镜上的摄像头对结肠和直肠的粘膜衬层进行目视检查。然后对出现的异常区域进行活检以进行分析。尽管这是当前的护理标准，但确实有其缺点。首先，该技术依赖于视觉检测，但是肉眼很难检测到小的病变，而且经常会漏掉早期恶性肿瘤。其次，视觉内窥镜检查只能检测肠壁表面的变化，而不能检测其深层。

圣路易斯华盛顿大学麦克凯尔维工程学院生物医学工程教授朱奎宁和生物医学工程博士生曾一峰正在开发一种新的成像技术，该技术可以提供准确，实时的计算机辅助诊断大肠癌。

通过使用深度学习(一种机器学习)，研究人员将该技术用于来自结直肠组织样本的26,000多个单独的成像数据帧，以确定该方法的准确性。与病理报告相比，他们能够在该初步研究中以100%的准确度识别肿瘤。

这是首次将这种类型的成像与机器学习相结合的报告，以区分健康的大肠组织与癌前息肉和癌性组织。结果将提前在线发表在Theranostics杂志上。

研究技术基于光学相干断层扫描(OCT)，这是一种光学成像技术，已在眼科领域使用了20年，用于拍摄视网膜图像。但是，麦克凯维学院和其他地方的工程师一直在将该技术用于其他用途，因为该技术可提供高达1至2毫米成像深度的高空间和深度分辨率。OCT检测健康和患病组织折射光的方式的差异，并对癌前期和早期癌症的形态变化高度敏感。进一步发展后，该技术可与传统结肠镜检查一起用作实时，非侵入性成像工具，以协助筛查位置较深的癌前息肉和早期结肠癌。

该论文的资深作者，华盛顿大学医学院马林克罗德放射学院放射学教授朱说：“我们认为这项技术与结肠镜内窥镜相结合，将对外科医生诊断大肠癌非常有帮助。” 。“有必要进行更多的研究，但是想法是，当外科医生使用结肠镜检查检查结肠表面时，可以将该技术局部放大，以帮助更准确地诊断较深的癌前息肉和早期癌症(相对于正常组织)。”

朱和她的团队与结肠和直肠外科主任Matthew Mutch博士合作。小威廉·查普曼(William C. Chapman)，医学博士，结肠和直肠外科手术住院医师;以及医学院的病理学和免疫学助理教授Deyali Chatterjee博士。

两年前，该论文的主要作者曾梵志开始使用OCT作为研究工具来对从医学院提取的结直肠组织样本进行成像。他观察到，健康的结直肠组织具有与牙齿相似的图案。然而，癌前和癌前组织很少显示这种模式。牙齿图案是由结直肠组织的健康黏膜微结构的光衰减引起的。

曾梵​​志开始与另一位研究生徐世奇(Shiqi Xu)合作，他于2019年从麦凯维工程(McKelvey Engineering)获得了电气工程硕士学位，并且是该论文的第一作者，以训练视网膜神经网络模型RetinaNet。模式以处理数据，以识别和学习组织样本中的模式。他们使用从患者组织样本中的20个肿瘤区域，16个良性区域和六个其他异常区域获取的约26,000张OCT图像对网络进行了训练和测试。使用标准组织学将通过该系统预测的诊断与组织标本的评估进行比较。病理学家Zahra Alipour和Heba Abdelal协助进行了比较。研究小组发现敏感性为100%，特异性为99.7%。