2020年3月6日 訊 /生物谷BIOON/ --近日，一項刊登在國際雜誌Nature Machine Intelligence上的研究報告中，來自屯特大學等機構的科學家們通過研究成功對腫瘤細胞進行了追蹤並揭示了其背後隱藏的信息；癌症患者機體血液中循環的腫瘤細胞是進行疾病早期診斷、判斷療法成功及患者預後的重要生物標誌物，但由於很少會有腫瘤細胞進行循環，因此對其進行研究就是目前科學家們所面臨的巨大挑戰之一。
圖片來源：University of Twente
這項研究中，研究人員利用人工智慧技術就能夠以較高的精準度實現腫瘤細胞循環的自動化控制，此外，研究者所開發的新技術不僅能夠檢測腫瘤細胞，還能揭示其背後隱藏的信息；此外，研究者還對在細胞相互作用中發揮重要作用的胞外囊泡（extracellular vesicles）進行了分類。
循環腫瘤細胞會從原始腫瘤位點釋放並開始在血管中移動，其在癌症轉移開始及發生過程中扮演著非常關鍵的角色，在患者血液中檢測循環腫瘤細胞或能提供療法有效性和患者預後相關的重要信息；由於循環腫瘤細胞的數量極少，因此利用螢光顯微鏡對循環腫瘤細胞進行計數具有勞動密集型的特性，即使對於一個能夠有效識別循環腫瘤細胞的專家而言工作量也很巨大，而本文中研究人員所開發的新型自動化手段或許就能提供超過96%的準確率。
研究人員為現有的方法開發了一種開源的識別包，同時證明了其臨床意義，新方法能使用自動化學習的模式將其準確性提升到一個更高的水平，而先進的可視化技術則能從血液樣本中獲取更多相關的信息，比如不同類型的循環腫瘤細胞、以及胞外CD45囊泡等，其就能為細胞之間的協作提供更多的額外信息，目前研究人員對這些囊泡進行了大量的研究。
研究人員使用大量良好標記的例子來訓練這種深度學習網絡，隨後它們就能自行學習和發揮功能，通常還會比人類做得更好，而實際的學習過程是如何發生的，以及這種深度學習網絡在內部到底做了哪些選擇都是不太透明的，深度學習網絡在本質上就是一個黑匣子，由於額外的建模和基於半監督自編碼的可視化步驟，來自網絡的信息或許要比預期更多；這就好比我們通過黑匣子裡的一個小窗口看到了學習的一部分，不同類型的循環腫瘤細胞、白細胞和囊泡就能被有效進行區分。
研究者表示，我們開發的這種名為ACCEPT的開源成像分析程序能與檢測循環腫瘤細胞的CellSearch技術相結合，目前該技術已經在某些醫院開始使用，隨著深度學習技術的發展，自動檢測技術未來將會得到進一步地提高。（生物谷Bioon.com）
原始出處：
Zeune, L.L., Boink, Y.E., van Dalum, G. et al. Deep learning of circulating tumour cells. Nat Mach Intell 2, 124–133 (2020). doi：10.1038/s42256-020-0153-x