《Nature子刊》AI助力精准自动化识别循环肿瘤细胞

【杏和医讯】

癌症患者血液中的循环肿瘤细胞是其早期诊断、治疗成功和预后跟进的重要标志，但由于循环的肿瘤细胞数量稀少，如何识别检测到这些细胞成为一个难题。

特恩特大学的研究人员借助AI将这个循环肿瘤细胞的检测过程成功实现了高精准性的自动化，这个新技术不仅能检测肿瘤细胞，还能揭开隐藏信息，细胞外的囊泡在细胞相互作用中被认为起了重要作用，在这一研究中也被分类。研究人员于2月10日的Nature子刊 Machine Intelligence上发表了这一相关研究结果。

循环肿瘤细胞(CTCs)从原发肿瘤释放出来，并开始在血流中移动对人体其他部位的转移发生起着重要作用，通过检测患者血液中的CTC可以提供治疗效果和患者预后的相关信息。由于CTC的数量非常稀少，即使是一个知道如何识别CTCs的专家，用荧光显微镜人工计数也要耗费大量劳动力，而这项自动化新技术的准确率超过96%。

UT科学家为现有的方法新开发了一个开源识别包，并且已证明了其临床相关性，这个新手段通过自动化学习将细胞检测准确率提升到一个更高的水平。先进的可视化技术可以从血样中获得更多信息，例如，不同类型的CTCs，以及细胞外CD45囊泡，这些囊泡可以提供细胞协作的额外信息。目前，这些囊泡的作用正在被广泛研究。

研究人员使用大量事先标记好的范例来进行深度学习网络的训练，在这些范例能自主学习网络并正常运行后，通常比人类做的更好。至于实际的学习过程是如何的，或者学习网络内部如何做选择的已不得而知。深度学习网络本质上是一个黑匣子，由于多了一个基于半监督自动编码的建模和可视化步骤，学习网络展露的信息比预期的更多，就像我们能通过黑匣子里的小窗口看到这学习的一部分一样，可清楚地区分出不同类型的CTC，白细胞和囊泡。

此外，由Leonie Zeune开发的开源图像分析程序可以与CellSearch技术组合使用于检测CTC，这项由Leon Terstappe教授共同发明的技术已被一些医院采用，由于深度学习技术的发展，自动化检测得到了进一步提高。

参考资料：

Tracking tumor cells and unraveling hidden information，Medical Xpress，2020-02-11

原创文章，转载请注明出处