智能显微镜：自适应显微镜控制以改善我们观察生命的方式

让显微镜“思考”以看得更多

生物学家使用显微镜观察活细胞、胚胎和组织的动态，但每次实验都是在平衡：更清晰的图像通常需要更强的光、更快的拍摄速度，从而对脆弱样本造成更多损伤。本文介绍了新一代“智能”显微镜，它们不像静止的照相机，而更像生物学领域的自动驾驶汽车——这些系统实时观察正在发生的事情，并自动改变观察样本的方式。对读者而言，这是对自动化和人工智能如何改变我们观察生命方式的一瞥，帮助科学家在保持活体样本更健康、提高实验效率的同时捕捉转瞬即逝的事件。

从简单透镜到会自我调整的机器

作者追溯了从17世纪首批光学显微镜到如今高度电动化、计算机控制仪器的演进过程。随着时间推移，更好的光学元件、可控光源、精密电动平台和数字相机把显微镜变成了复杂的机器。早期自动化——例如20世纪70、80年代的电动平台和自动对焦——可以移动样本或保持焦点，但这些系统与图像采集并行工作，并未改变实验的进行方式。只有当开源硬件、3D打印与像 MicroManager 及更新的平台这类灵活的控制软件出现后，研究者才可行地构建能实时协调显微镜多个部件的定制系统。到那时，显微镜开始从被动记录者跨越为主动的实验伙伴。

是什么让显微镜变得智能

综述将“智能显微镜”定义为结合三要素的系统：对其所采集图像的实时分析、利用这些测量结果做出决策的反馈回路，以及能根据决策执行动作的自动化部件。系统不再运行固定脚本，而是不断自问：我正在看到什么，我是否应该改变我的成像方式？一个典型例子是观察细胞进入细胞周期的过程。大多数时间，显微镜可以采用温和且间歇的快照以避免光损伤。当系统检测到细胞进入分裂的典型形态变化时，它会自动放大、提高帧率并调整视野，以详细捕捉快速事件，同时避免对样本其余部分造成不必要的压力。

五种更智能成像的使用方式

为帮助研究者设计此类实验，作者将智能显微镜按五类实用目标进行分组。质量驱动系统持续调整设置以保持图像清晰明亮，例如在深层组织成像时校正光学畸变或在样本移动时保持焦点稳定。事件驱动系统寻找罕见事件——细胞分裂、突发信号爆发、蛋白沉聚等——只有在检测到这些事件时才切换到密集成像。目标驱动方法在长时间观测中将选定对象（如单个细胞或线虫）保持在中心并适当照明。信息驱动显微镜利用先验知识或群体统计只关注最具信息量的区域，例如自动在大片视野中发现异常细胞并随后对其进行更详细成像。最后，结果驱动系统更进一步：它们不仅观察，还进行干预，使用光激活蛋白等工具引导细胞行为，并根据细胞的响应调整其行动。

智能显微镜如何决定并采取行动

在底层，智能显微镜依赖三大技术支柱。其一，实时图像分析从每帧中提取有用信息——识别细胞形状、追踪运动、测量亮度或分类模式。深度学习的最新进展使细胞分割、微妙事件检测甚至对未来事件的预测变得更容易。其二，反馈控制逻辑将这些测量结果转换为决策。有时这很简单——打开或关闭光源——但更先进的系统使用控制理论或自适应算法持续将系统引导到期望状态。其三，执行器实现这些决策：电动光学部件移动视野或改变波长，光或化学物质作为受控扰动被输送，数据被实时处理或丢弃以管理存储，甚至用户通信可以自动化，例如在发生有趣事件时提醒科学家。

障碍、社区努力与未来展望

尽管进展迅速，智能显微镜仍面临关键障碍。复杂系统可能难以搭建与调试，人为选择和算法训练数据都可能引入微妙偏差。各实验室使用的软件与硬件拼凑在一起，往往难以顺畅互通，海量数据也给存储和分析管道带来压力。作者认为未来在于可互操作的标准、开放接口、共享数据集与社区构建的工具。他们强调了诸如 SmartMicroscopy.org 等倡议和工作组，这些组织收集协议、代码与案例研究以降低入门门槛。对非专业读者而言，主要结论是显微镜正在变得更具适应性和协作性：它们不再仅仅拍照，而是越来越多地帮助决定在哪里、何时以及如何观察，将原始影像流转化为对生命体系更丰富、更有意义的观察视角。

引用: Rates, A., Passmore, J.B., Norlin, N. et al. Smart microscopy: adaptive microscope control to improve the way we see life. npj Imaging 4, 14 (2026). https://doi.org/10.1038/s44303-026-00145-y

关键词: 智能显微镜, 自适应成像, 生物成像自动化, 显微镜中的人工智能, 活细胞成像