高光譜成像技術以其快速、無損、非接觸、高通量和強大的光譜識別能力，日益引起生物醫學研究和醫療檢測的關注。意大利Brescia大學的科研人員Giovanni等對五種培養于顯色瓊脂上的UTI（尿路感染病原體）細菌進行了研究，他們使用Specim V10e采集了樣本高光譜數據，并基于機器學習方法進行了細菌菌落分類（參見下圖）。
基于光譜成像數據的分類結果顯示，使用PCA+SVM算法對5種細菌菌落進行區分的平均準確率為94%，而使用RSIMCA對5種菌落進行分類的平均準確率達到了97%，證明了高光譜成像技術與機器學習算法結合應用于臨床病原體檢測的潛力。研究人員對分類異常的菌落驗證發現，其中一小部分細菌出現了突變，導致其光譜特性發生改變，因而無法被分類到前述機器學習的任一細菌種類中，這也間接證明了每種細菌“光譜指紋”的特異性。
易科泰EcoLab?實驗室還利用高光譜成像技術，對疾控中心送檢的不同培養基培養的菌落進行了檢測實驗，結果見下圖：
右圖為送檢實驗的三種不同的細菌菌落（血液培養），中圖為利用高光譜成像技術進行的區分（分選）結果；右圖為畫線培養的單種菌落
高光譜成像技術已經廣泛應用于植物病原體檢測與早期診斷，在人體皮膚病及皮膚損傷檢測診斷方面也有大量研究應用。羅馬尼亞卡羅爾戴維拉醫藥大學利用 Specim 高光譜成像結合光譜指數的技術，對燒傷深度評估，根據燒傷皮膚中發生的形態和生理變化導致的光譜指紋差異，繪制具有不同燒傷程度和恢復程度的皮膚區域。光譜指數放大了正常皮膚和具有不同燒傷程度的區域之間的對比度，生成準確的燒傷分級圖，顯示不同燒傷類型的空間分布、治療過程和愈后評估。
上左圖：高光譜成像技術用于檢測植物不同鐮刀霉菌；上右圖：高光譜成像技術用于皮膚燒傷分級評估
易科泰生態技術公司致力于生態-農業-健康研究檢測技術方案提供與研發，并專門成立易科泰生態健康研究中心，依托Ecolab?實驗室，開展傳統中醫藥與現代生物醫學光譜成像創新應用（SpectrAPP項目）研發和實驗合作。
左圖：冬蟲夏草分揀實驗；中圖：銀杏葉黃酮醇含量檢測；右圖：黃芪（上）與甘草（下）光譜成像分析（易科泰Ecolab?實驗室提供）
參考文獻
Turra G , Conti N , Signoroni A . Hyperspectral image acquisition and analysis of cultured bacteria for the discrimination of urinary tract infections[J]. conf proc ieee eng med biol soc, 2015, 2015(19):759-762.
Parasca SV, Calin MA, Manea D, Miclos S, Savastru R. Hyperspectral index-based metric for burn depth assessment. Biomed Opt Express. 2018 Oct 26;9(11):5778-5791.