苏州医工所在拉曼光谱跨域智能分析研究取得进展

图1.RSCDM方法鉴定病原菌拉曼光谱的示意图

拉曼光谱在生物医学检测、微生物识别和材料分析等领域展现出重要应用潜力。拉曼光谱因具有无标记、非破坏和分子指纹识别等优势，在生物医学检测、微生物识别和材料分析等领域展现出重要应用潜力。然而，在实际应用中，受仪器硬件差异、实验批次波动及样本生物多样性等因素影响，不同来源拉曼光谱数据之间往往存在峰位、强度分布及背景形态等差异。即便经过常规校准和预处理，这种光谱差异仍会显著削弱分析模型在真实场景中的稳定性和泛化能力，成为制约拉曼光谱智能分析走向临床和工程应用的关键瓶颈。

近日，中国科学院苏州生物医学工程技术研究所提出了一种面向拉曼光谱跨域迁移的拉曼光谱分类差异模型(RSCDM)。该方法基于无监督领域自适应思想，构建了“特征提取器+双分类器”协同框架，通过主动放大并逐步缩小两个分类器对目标域样本的预测差异，动态识别偏离源域分布的样本，并引导模型完成面向任务决策边界的特征对齐，从而有效缓解跨批次、跨样本和跨仪器引起的光谱差异问题。在基于拉曼光谱的病原菌种鉴定任务中，显著提升了模型在复杂多菌种分类场景下的识别稳定性、准确性和泛化能力。

研究表明，RSCDM从方法学层面为这一问题提供了有效解决方案，也说明在面对多平台、多批次、多中心数据时，通过引入面向任务判别边界的域适应机制，可以显著增强模型对复杂真实数据的适应能力。该思路未来还有望拓展到临床检验、肿瘤诊断、细胞表型识别、药物响应评估及多中心数据库融合等更广泛的拉曼智能分析场景。

图2.RSCDM进行病原菌鉴定的工作流程图

图3.拉曼光谱分类差异模型(RSCDM)在两种仪器采集病原菌拉曼光谱数据上的分类性能

在应用示范中，研究团队将该方法用于单细胞拉曼光谱病原菌识别。结果显示，在高菌负荷条件下，每条光谱采集时间约为6秒，模型对单条光谱推理时间约为0.001秒。这意味着，相关检测流程有望从传统培养鉴定所需的“天级”时间缩短至“分钟—小时级”，为拉曼光谱快速检测技术的临床转化提供了有力支撑。

相关研究成果发表在Analytical Chemistry上。研究工作得到国家重点研发计划、国家自然科学基金等的支持。