癌癥患者血液中循環(huán)的腫瘤細胞是早期診斷、治療成功和患者預后的重要標志。但由于很少有人流通，識別它們是一個挑戰(zhàn)。得益于人工智能，屯特大學的研究人員成功地以高精度實現(xiàn)了流程自動化。此外，新技術不僅可以檢測腫瘤細胞，還可以揭示隱藏的信息。在細胞相互作用中很重要的細胞外囊泡也被分類。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果。
從原始腫瘤釋放并開始在血流中移動的循環(huán)腫瘤細胞(CTC)在身體其他部位轉移的發(fā)生中起著重要作用。在患者血液中檢測它們可提供有關治療效果和患者預后的信息。CTC 的數(shù)量極少，因此即使對于知道如何識別 CTC 的專家來說，使用熒光顯微鏡手動計數(shù)它們也是勞動密集型的。新的自動化方法提供超過 96% 的準確性。
UT 科學家為證明其臨床相關性的現(xiàn)有方法開發(fā)了一個開源識別包;新方法使用自動學習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，以及提供有關細胞協(xié)作的額外信息的細胞外 CD45 囊泡。目前正在對這些囊泡的作用進行大量研究。
黑匣子中的窗口
研究人員使用大量標記良好的示例來訓練深度學習網(wǎng)絡，之后它們能夠自行學習和運行，通常比人類做得更好。實際的學習過程如何發(fā)生以及網(wǎng)絡內(nèi)部做出的選擇不太透明：深度學習網(wǎng)絡本質(zhì)上是一個黑匣子。多虧了基于半監(jiān)督自動編碼的額外建模和可視化步驟，來自網(wǎng)絡的信息比預期的要多。就好像你可以通過黑盒子里的一個小窗口看到一部分學習內(nèi)容。可以清楚地區(qū)分不同類型的CTC、白細胞和囊泡。
由 Leonie Zeune 開發(fā)的開源圖像分析程序 ACCEPT 可以與 CellSearch 技術結合用于檢測 CTC。這項由 Leon Terstappen 教授共同發(fā)明的技術已經(jīng)被一些醫(yī)院使用。由于現(xiàn)在提出的深度學習發(fā)展，自動化檢測得到進一步改進。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！