早期癌症全面筛查的发展是拯救生命的关键。
虽然多癌种早期检测(MCED)测试仍在研究中且缺乏FDA批准,但已有几种产品可供愿意自费的消费者使用。个人可以要求医生开具Grail公司的Galleri血液检测,或者选择Prenuvo或Ezra等公司的全身核磁共振成像,费用通常在2000美元以上。
很快,消费者将拥有另一种独特的多种癌症筛查方式。
SpotitEarly是一家参与TechCrunch Disrupt 2025创业战场的生物技术公司,正在开发一种居家癌症检测产品,通过狗狗卓越的嗅觉能力结合AI来分析人体呼吸。
SpotitEarly首席执行官Shlomi Madar告诉TechCrunch,科学证据越来越明确:狗狗可以被训练来嗅出人类疾病,特别是癌症。"还有一些零星报告提到,他们的宠物狗在确诊之前就感觉到主人身体有问题,"他说。
凭借15年健康和生物技术领域的领导经验,Madar与三位朋友合作——其中一位是前K9部队指挥官——开发了一种通过分析呼吸样本进行癌症筛查的可靠方法和技术。
用户只需在家收集呼吸样本并将其寄送到SpotitEarly实验室即可进行癌症筛查。该公司雇用了18只训练有素的比格犬来识别癌症特异性气味。这些狗狗被训练在闻到癌症颗粒时坐下,SpotitEarly的AI平台会验证狗狗的行为。
"我们在实验室上方安装了摄像头。我们有麦克风捕捉狗狗的呼吸模式。我们还监测它们的心率。基本上,机器学习知道整个狗群的基线,"Madar说。"这使得它比仅仅是训练师观察狗狗更准确。"
该公司发表在《自然》科学报告上的研究显示,其训练的狗狗能够以94%的准确率检测呼吸样本中的早期癌症。这项涉及1400名个体的双盲临床研究专注于筛查四种最常见的癌症:乳腺癌、结直肠癌、前列腺癌和肺癌。
SpotitEarly于2020年在以色列成立,今年5月宣布以2030万美元的融资进入美国市场,投资方包括Hanaco VC、Menomedin VC、Jeff Swartz(Timberland前首席执行官)和Avishai Abrahami(Wix.com首席执行官)。
该公司计划利用这笔资金大幅扩展其临床研究,首先从乳腺癌的单项检测开始,然后推进到其他三种目标癌症。
Madar表示,SpotitEarly的居家筛查套件明年将通过医师网络向消费者提供。单一癌症检测的价格约为250美元,每增加一种癌症筛查的费用将是第一次检测费用的一小部分。为了优先考虑可及性,该公司的目标是将其多癌种检测面板的价格定在竞争对手如Grail的Galleri检测(通常约950美元)之下。
至于这些狗狗,Madar说它们是团队的一部分。公司所有员工都必须是"爱狗人士",Madar说。"我们不只是把它们当作生物传感器使用。它们有充足的玩耍空间。它们是出色的侦查员、出色的工作伙伴,同时也是很棒的伴侣。"
Q&A
Q1:SpotitEarly的癌症检测技术是如何工作的?
A:SpotitEarly开发了一种居家癌症检测产品,用户在家收集呼吸样本并寄送到实验室。公司雇用18只训练有素的比格犬识别癌症特异性气味,狗狗闻到癌症颗粒时会坐下,同时AI平台通过摄像头、麦克风和心率监测来验证狗狗的行为,使检测比仅靠训练师观察更准确。
Q2:SpotitEarly的癌症检测准确率有多高?
A:根据发表在《自然》科学报告上的研究,SpotitEarly训练的狗狗能够以94%的准确率检测呼吸样本中的早期癌症。这项双盲临床研究涉及1400名个体,专注于筛查四种最常见的癌症:乳腺癌、结直肠癌、前列腺癌和肺癌。
Q3:SpotitEarly的检测服务什么时候上市,价格如何?
A:SpotitEarly的居家筛查套件计划明年通过医师网络向消费者提供。单一癌症检测价格约为250美元,每增加一种癌症筛查费用将大幅降低。为确保可及性,公司目标是将多癌种检测面板价格定在竞争对手Grail的Galleri检测(约950美元)之下。
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。