癌癥患者血液中循環(huán)的腫瘤細(xì)胞是早期診斷、治療成功和患者預(yù)后的重要標(biāo)志。但由于很少有人流通，識(shí)別它們是一個(gè)挑戰(zhàn)。得益于人工智能，屯特大學(xué)的研究人員成功地以高精度實(shí)現(xiàn)了流程自動(dòng)化。此外，新技術(shù)不僅可以檢測腫瘤細(xì)胞，還可以揭示隱藏的信息。在細(xì)胞相互作用中很重要的細(xì)胞外囊泡也被分類。研究人員在 2 月 10 日出版的Nature Machine Intelligence上公布了他們的研究結(jié)果。
從原始腫瘤釋放并開始在血流中移動(dòng)的循環(huán)腫瘤細(xì)胞(CTC)在身體其他部位轉(zhuǎn)移的發(fā)生中起著重要作用。在患者血液中檢測它們可提供有關(guān)治療效果和患者預(yù)后的信息。CTC 的數(shù)量極少，因此即使對于知道如何識(shí)別 CTC 的專家來說，使用熒光顯微鏡手動(dòng)計(jì)數(shù)它們也是勞動(dòng)密集型的。新的自動(dòng)化方法提供超過 96% 的準(zhǔn)確性。
UT 科學(xué)家為證明其臨床相關(guān)性的現(xiàn)有方法開發(fā)了一個(gè)開源識(shí)別包;新方法使用自動(dòng)學(xué)習(xí)將其提升到更高的水平。高級可視化從血液樣本中產(chǎn)生更多信息：例如，不同類型的 CTC，以及提供有關(guān)細(xì)胞協(xié)作的額外信息的細(xì)胞外 CD45 囊泡。目前正在對這些囊泡的作用進(jìn)行大量研究。
黑匣子中的窗口
研究人員使用大量標(biāo)記良好的示例來訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)，之后它們能夠自行學(xué)習(xí)和運(yùn)行，通常比人類做得更好。實(shí)際的學(xué)習(xí)過程如何發(fā)生以及網(wǎng)絡(luò)內(nèi)部做出的選擇不太透明：深度學(xué)習(xí)網(wǎng)絡(luò)本質(zhì)上是一個(gè)黑匣子。多虧了基于半監(jiān)督自動(dòng)編碼的額外建模和可視化步驟，來自網(wǎng)絡(luò)的信息比預(yù)期的要多。就好像你可以通過黑盒子里的一個(gè)小窗口看到一部分學(xué)習(xí)內(nèi)容。可以清楚地區(qū)分不同類型的CTC、白細(xì)胞和囊泡。
由 Leonie Zeune 開發(fā)的開源圖像分析程序 ACCEPT 可以與 CellSearch 技術(shù)結(jié)合用于檢測 CTC。這項(xiàng)由 Leon Terstappen 教授共同發(fā)明的技術(shù)已經(jīng)被一些醫(yī)院使用。由于現(xiàn)在提出的深度學(xué)習(xí)發(fā)展，自動(dòng)化檢測得到進(jìn)一步改進(jìn)。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！