APL ML | AI通过循环肿瘤细胞形态特征进行分类诊断
原创 图灵基因 图灵基因 2023-05-11 10:12 发表于江苏
收录于合集#前沿生物大数据分析
癌症有两种分类方法：一种是根据癌症发生的组织类型（组织学类型），另一种是按原发部位，即癌症最初发生在体内的位置。现在，德克萨斯理工大学的研究人员开发了一种深度学习模型，可以按类型对癌细胞进行分类。深度学习网络对图像进行分析，准确有效地对细胞类型进行分类。
该研究结果发表在《APL Machine Learning》杂志上的一篇题为“Label-free identification of different cancer cells using deep learning-based image analysis”的文章中。
“癌细胞具有高度异质性，最近的研究表明，特定的细胞亚群，而不是全部细胞，是导致癌症转移的原因。”文章作者、德克萨斯理工大学副教授Wei Li博士说，“确定癌细胞亚群是确定疾病严重程度的关键一步。”
研究人员写道：“癌症诊断是癌症恢复和生存的一个重要领域，需要许多昂贵的程序来实施正确的治疗。机器学习（ML）方法可以帮助从液体活检中的循环肿瘤细胞或实体活检中的原发性肿瘤中进行诊断预测。在通过深度学习模型预测转移潜力后，医生可以在临床环境中对特定患者进行安全正确的治疗。本文研究了使用深度卷积神经网络来预测特定的癌细胞系，作为无标签识别的工具。
“这些复杂和冗长的技术的问题在于，它们需要资源和精力，可以用于探索癌症预防和康复的不同领域。”文章作者、德克萨斯理工大学研究助理Karl Gardner博士说。
Gardner说：“在拍摄细胞照片时，我们的分类程序不包括额外的化学物质或生物溶液。这是一种‘无标记’的有转移潜力的识别方法。”
该团队的神经网络易于使用，高效且自动化。在给它输入图像后，该工具将数据转换为概率。低于0.5的结果将癌症归类为一种细胞类型，而高于0.5的结果则将癌症归类为另一种细胞。该工具经过训练，可以利用两种癌细胞系的一组图像来优化预测的准确性。在研究中使用的数据集中，它的准确率达到了94%以上。作者的目标是扩展和推广该模型，使其包括单细胞和细胞集群。
