基因組調控中心（CRG）、巴斯克大學（UPV/EHU）、多諾斯蒂亞國際物理中心（DIPC）和比茲卡亞生物基金會（FBB，位于生物研究所）的研究人員開發(fā)出一種人工智能，它能區(qū)分癌細胞和正常細胞，還能檢測細胞內病毒感染的早期階段。今天（8月27日）發(fā)表在《自然-機器智能》（Nature Machine Intelligence）雜志上的一項研究為改進診斷技術和新的疾病監(jiān)測策略鋪平了道路。
這種名為AINU（AI of theNUcleus）的工具可以掃描細胞的高分辨率圖像。這些圖像是通過一種名為 STORM 的特殊顯微鏡技術獲得的，這種技術所生成的圖像能夠捕捉到比普通顯微鏡所能看到的更多更精細的細節(jié)。高清快照顯示了納米級分辨率的結構。
納米（nm）是一米的十億分之一，人的一縷頭發(fā)大約有 10 萬納米寬。人工智能可以檢測到細胞內小至 20 納米的重新排列，比人類頭發(fā)的寬度小 5000 倍。這些變化過于微小和細微，人類觀察者僅靠傳統(tǒng)方法是無法發(fā)現(xiàn)的。
"這些圖像的分辨率非常高，足以讓我們的人工智能精確地識別出特定的模式和差異，包括細胞內DNA排列方式的變化，幫助我們在發(fā)生變化后很快發(fā)現(xiàn)它們。"這項研究的共同通訊作者、巴塞羅那基因組調控中心（Centre for Genomic Regulation）研究員皮婭-科斯馬（Pia Cosma）說："我們認為，有朝一日，這類信息能為醫(yī)生監(jiān)測疾病、個性化治療和改善患者預后贏得寶貴的時間。"
AINU 是一種卷積神經(jīng)網(wǎng)絡，是一種專門用于分析圖像等視覺數(shù)據(jù)的人工智能。卷積神經(jīng)網(wǎng)絡的例子包括能讓用戶用臉部解鎖智能手機的人工智能工具，或自動駕駛汽車通過識別道路上的物體來理解和導航環(huán)境的其他工具。
在醫(yī)學領域，卷積神經(jīng)網(wǎng)絡被用于分析乳房 X 線照片或 CT 掃描等醫(yī)學圖像，并識別人眼可能忽略的癌癥跡象。卷積神經(jīng)網(wǎng)絡還能幫助醫(yī)生檢測核磁共振掃描或 X 光圖像中的異常，從而幫助做出更快、更準確的診斷。
AINU 可在分子水平上檢測和分析細胞內的微小結構。研究人員向該模型提供了許多不同類型細胞核在不同狀態(tài)下的納米級分辨率圖像，從而對其進行了訓練。通過分析細胞核成分在三維空間中的分布和排列方式，該模型學會了識別細胞中的特定模式。
例如，與正常細胞相比，癌細胞的核結構會發(fā)生明顯變化，如 DNA 的組織方式或細胞核內酶的分布。經(jīng)過訓練后，AINU 可以分析新的細胞核圖像，并僅根據(jù)這些特征將其分為癌細胞和正常細胞。
圖像的納米級分辨率使人工智能能夠在細胞感染 1 型單純皰疹病毒一小時后就檢測到細胞核的變化。當病毒開始改變細胞核的結構時，該模型就會發(fā)現(xiàn) DNA 排列緊密程度的細微差別，從而檢測到病毒的存在。
"我們的方法可以在感染開始后很快檢測出受病毒感染的細胞。通常情況下，醫(yī)生需要一段時間才能發(fā)現(xiàn)感染，因為他們依賴的是明顯的癥狀或身體的較大變化。"這項研究的共同通訊作者、UPV/EHU伊克巴斯克研究員、FBB-Biofisika研究所和圣塞巴斯蒂安/多諾斯蒂亞DIPC所屬的伊格納西奧-阿爾甘達-卡雷拉斯（Ignacio Arganda-Carreras）說。
這項研究的共同第一作者、中國廣州的廣東省人民醫(yī)院（GDPH）研究員鐘麗梅補充說："研究人員可以利用這項技術了解病毒進入人體后如何立即影響細胞，這有助于開發(fā)更好的治療方法和疫苗。"
研究人員必須克服一些重要的限制，才能在臨床環(huán)境中測試或部署這項技術。例如，STORM 圖像只能用通常只能在生物醫(yī)學研究實驗室找到的專業(yè)設備拍攝。建立和維護人工智能所需的成像系統(tǒng)需要在設備和專業(yè)技術方面投入大量資金。
另一個限制因素是，STORM 成像通常一次只能分析幾個細胞。對于診斷而言，尤其是在對速度和效率要求極高的臨床環(huán)境中，醫(yī)生需要在單張圖像中捕捉更多數(shù)量的細胞，才能檢測或監(jiān)測疾病。
"STORM 成像領域取得了許多突飛猛進的進展，這意味著顯微鏡可能很快就能在較小或不太專業(yè)的實驗室中使用，最終甚至能在臨床中使用。"Cosma博士說："可及性和吞吐量的限制是比我們以前想象的更容易解決的問題，我們希望能盡快開展臨床前實驗。"
雖然臨床獲益可能還需要數(shù)年時間，但AINU有望在短期內加速科學研究。研究人員發(fā)現(xiàn)，這項技術可以非常精確地識別干細胞。干細胞可以發(fā)育成體內任何類型的細胞，這種能力被稱為多能性。多能細胞被研究用于幫助修復或替代受損組織。
"AINU可以使多能細胞的檢測過程更快、更準確，有助于使干細胞療法更安全、更有效。目前檢測高質量干細胞的方法依賴于動物試驗。然而，我們的人工智能模型只需要一個用特定標記物染色的樣本就能發(fā)揮作用，這些標記物能突出關鍵的核特征。"這項研究的第一作者、CRG研究員達維德-卡內瓦利（Davide Carnevali）說："除了更簡單、更快速之外，它還能加速干細胞研究，同時促進減少科學中動物使用的轉變。"
編譯自/ScitechDaily
