人工智能/深度学习

AI 预测转移性癌症风险

发表于细胞系统,通过检测人眼无法检测到的细胞特征,创建了一个能够预测黑色素瘤是否会扩散的深度学习模型。

“我们现在有了一个通用的框架,使我们能够采集组织样本并预测细胞内驱动疾病的机制,这些机制目前以任何其他方式都无法实现,”资深作者、 Patrick E 。在德克萨斯大学西南部的基础生物医学科学中,哈格蒂是一位杰出的主席。

黑色素瘤是由黑素细胞变化引起的一种严重的皮肤癌,如果不及早发现,它是所有皮肤癌中最有可能扩散的一种。快速识别它有助于医生制定有效的治疗计划,早期诊断的 5 年生存率约为 99% 。

医生通常通过活组织检查、血液检查或 X 光、 CT 和 PET 扫描来确定黑色素瘤的阶段,以及黑色素瘤是否已经扩散到身体的其他部位,即转移。细胞行为的变化可能暗示黑色素瘤扩散的可能性,但这些变化太微妙,专家无法观察到。

研究人员认为,使用人工智能来帮助确定黑色素瘤的转移潜能可能非常有价值,但到目前为止,人工智能模型还不能解释这些细胞特征。

“我们提出了一种结合无监督深度学习和有监督传统机器学习的算法,以及生成图像模型,以可视化预测转移潜能的特定细胞行为。也就是说,我们将人工智能获得的 i NSight 映射回人类智能可以解释的数据线索,”研究合著者、犹他州西南大学生物信息学助理教授安德鲁·杰米森说。

研究人员利用 7 名转移性黑色素瘤患者的肿瘤图像,在皮氏培养皿中收集了 12000 多个单个黑色素瘤细胞的延时数据集。研究人员使用深度学习算法识别不同的细胞行为,得到了大约 1700000 张原始图像。

从视野中截取单个黑色素瘤细胞的时间间隔,并用作自动编码器的输入。
信贷: Danuser 等人/ Cell Systems

基于这些特征,研究小组随后“反向工程”了一个深度卷积神经网络,能够梳理出侵袭性黑色素瘤细胞的物理特性,并预测细胞是否具有高转移潜能。

实验在 UT 西南医学中心生物高性能混凝土集群上进行,并使用CUDA – 加速 NVIDIA V100 Tensor Core GPU。他们在 170 万个细胞图像上训练了多种深度学习模型,以可视化和探索从超过 5 TB 原始显微镜数据开始的海量数据集。

研究人员随后追踪了黑色素瘤细胞在小鼠体内的扩散情况,并测试了这些特异性预测因子是否会导致高转移性细胞。他们发现被归为高转移性的细胞类型在整个动物体内扩散,而被归为低转移性的细胞则没有。

在将这项研究应用于医疗环境之前,还有更多的工作要做。研究小组还指出,这项研究提出了一个问题,即这是否适用于其他癌症,或者黑色素瘤转移是否属于异常情况。

Jamieson 说:“研究结果似乎表明,转移潜能,至少是黑色素瘤的转移潜能,是由细胞自主决定的,而不是由环境因素决定的。”。

这项研究的应用还可以超越癌症,改变其他疾病的诊断。


阅读细胞系统>>
阅读更多>>

 

Tags