首次看清体内所有癌症转移灶,深度学习方法立大功!中国留学生一作论文登《细胞》封面...

边策乾明鱼羊发自亚龙湾量子位报道|左边公众号右边QbitAI癌症为什么被称为绝症?为什么难治?其实不全在于原始的癌细胞,核心在于转移及其并发症。它的生长力非常强,只要脱落或粘连到哪里,哪里就会生出新肿瘤。而且这个过程毫无规律,很难抑制,导致当前的癌症疗法很难实现根治效果,业内的统计数据显示,有90%的癌症死亡是转移导致的。而且转移后

首次看清体内所有癌症转移灶,深度学习方法立大功!中国留学生一作论文登《细胞》封面...

落户上海咨询二维码  

  

边策乾明鱼羊发自亚龙湾

  

量子位报道|左边公众号右边QbitAI

  

癌症为什么被称为绝症?为什么难治?

  

其实不全在于原始的癌细胞,核心在于转移及其并发症。它的生长力非常强,只要脱落或粘连到哪里,哪里就会生出新肿瘤。

  

而且这个过程毫无规律,很难抑制,导致当前的癌症疗法很难实现根治效果,业内的统计数据显示,有90%的癌症死亡是转移导致的。

  

而且转移后的癌细胞到底去了哪里,我们很难发现,虽然现在有生物发光、核磁共振等成像技术,但是分辨率都不够高,无法对全身细胞进行全面的检测。

  

但最新一期登上Cell封面的研究,让我们第一次看清了癌症转移后所有病灶。

  

  

来自德国的研究团队开发出了一种基于深度学习的新型算法DeepMACT,能内在细胞水平自动检测和分析整个小鼠身体中的癌症转移。

  

这篇论文的第一作者潘晨琛博士说:“DeepMACT是第一种能够对全身(癌细胞)转移过程进行定量分析的方法。”

  

  

基于这项技术,人类能够看到其单个癌细胞形成的转移位点,这也是科学家首次完成这一壮举。

  

而且所使用的时间不到一个小时,准确率比肩人类专家,效率提高了300倍以上。以往如此工作量,让人类来做可需要数月时间才能完成。

  

他们将这项技术用在药物治疗后小鼠身上,发现药物最多漏过23%的转移位点。这也给许多癌症在治疗后,总会出现复发提供了一种解释。

  

  

当前,这一分析工具DeepMACT已经开放使用。

  

“目前,肿瘤临床试验的成功率约为5%。我们相信DeepMACT技术可以大大改善临床前研究的药物开发过程。因此,这可能有助于为临床试验找到更强大的候选药物,并有望帮助挽救许多生命。”研究的通讯作者,也是潘晨琛的导师AliErtürk表示。

  

第一步,是通过vDISCO方法,把癌细胞的荧光蛋白信号增强100倍以上。

  

vDISCO成像技术同样来自论文通讯作者AliErtürk的团队,共同一作是蔡瑞瑶和潘晨琛。

  

通过这项技术,研究人员可以把癌细胞已经发生转移的小鼠处理成透明状态。

  

  

并且,利用基于压力驱动、纳米抗体的全身免疫标记技术,vDISCO可以将癌细胞的荧光蛋白信号增强两个数量级(100倍)。

  

  

然后,将透明小鼠从头到脚进行光片显微镜成像,所有光片图像组合起来就能获得小鼠完整的3D图像。

  

这样一来,研究人员就能揭示所有肿瘤转移位点,甚至能检测到单个癌细胞的最小转移灶

  

相比之下,此前的生物发光成像技术只能定位到较大的转移灶。

  

  

生物发光技术(A-G)vsvDISCO(M-N)

  

获得了高分辨率的成像数据还只是第一步。要知道,这些数据的体量非常庞大,手动进行分析将是非常耗时的过程。

  

为了解决这个问题,研究人员开发了一种基于深度学习的新算法——DeepMACT

  

核心架构是CNN。其结构类似于U-net,通过使用可检测出癌症特征的编码单元深堆栈,以及在每个像素级别分割转移灶的解码单元堆栈,该网络可以把转移灶和背景信号区分开。

  

  

具体而言,DeepMACT是通过CNN处理小的子体积的2D投影,来实现对转移灶的检测和图像分割。

  

  

首先,导出每个子体积的三个2D最大强度投影(与x轴、y轴和z轴对齐),增强信噪比。

  

将投影结果喂给CNN,得到2D概率图。其中每个像素值代表该像素在给定投影下识别出转移灶的概率。

  

然后,用三个2D概率图重建3D分割。如此一来,真阳性转移灶的检测可靠性增加了。同时,在各个投影中产生假阳性的非转移性组织则被妥善地忽略掉了。

  

  

举个例子,在上面这张图中,绿色箭头指向真正的转移灶,红色箭头显示“伪转移灶”。在经过CNN的加工之后,真转移灶被成功检测出来,而“伪转移灶”则被消除了。

  

研究人员证明,DeepMACT的F1分数达到了80%,远超现有的基于过滤器的检测器。

  

  

并且,DeepMACT的检测性能非常接近人类专家手动注释的水平。

  

值得注意的是,人类专家的分数(83%)虽稍高于DeepMACT,但其错过了大约29%的微小转移灶。

  

也就是说,DeepMACT算法在检测转移灶的准确率上足以与人类专家相媲美,而速度则提高了300倍以上。

  

论文共同一作OliverSchoppe表示:

  

仅需单击几下,DeepMACT即可在不到一个小时的时间内,完成手动检测几个月才能完成的工作。

  

现在,我们能够在日常工作中,对单个扩散的癌细胞进行高通量转移分析了。

  

  

DeepMACT处理时长vs人类专家处理时长

  

借助DeepMACT,研究人员还对现在的抗体药物癌症疗法进行了评估。

  

以人类碳酸酐酶XII(CA12)为例,抗体药物6A10能够阻断其活性,延缓肿瘤的生长,并使肿瘤对化疗的敏感性提高。

  

给小鼠移植癌细胞,9周后,静脉注射6A10。

  

  

结果表明,6A10错过了小鼠体内多达23%的转移灶。并且,虽然抗体药物一共击中了77%的转移灶,但肺部被发现的微转移灶(85%)明显要比身体其余部分(66%)多。

  

  

这篇论文来自德国组织工程和再生医学研究所,有三位贡献相同的第一作者,分别是OliverSchoppe、ArnaldoParra-Damas以及一位中国留学生潘晨琛

  

  

潘晨琛,曾获得2017年“国家优秀自费留学生奖学金,现在慕尼黑大学AliErtürk副教授的团队中攻读博士学位。

  

AliErtürk,是一位来自土耳其的神经学家,现年仅39岁,今年7月担任新成立的德国组织工程和再生医学研究所主任。

  

  

从土耳其本科毕业后,他进入马克斯·普朗克神经生物研究所攻读博士学位,同时他也是vDISCO透明技术的发明人,潘晨琛在他的团队中发表了多篇该技术的相关论文,并登上了Nature子刊。

  

这项技术让生物医学研究可以观察到完整的大脑和神经元网络,除了用于研究癌症,还能用于阿兹海默症等神经科学问题。

  

最近,同样是一篇来自华人学者的癌症研究,登上了国际顶级学术期刊。

  

从中山大学毕业的吴思涵发现,染色体外的DNA也会携带癌基因,而且这部分基因是肿瘤的整个基因转录组当中,表达水平最高的。

  

AI在癌症诊疗中的应用也越来越多,仅谷歌一家就在Nature子刊上发表数篇研究。

  

今年5月,谷歌用AI诊断早期肺癌,准确率超越了人类医生,将发现的病历增加了5%,同时假阳性的错误率降低了11%。

  

另外谷歌还发明了一项结合传统诊疗手段的仪器,在传统显微镜上加装深度学习算法加持的AR成像设备,在茫茫的组织切片细胞中准确找出癌细胞。

  

但是AI在癌症的病理方面的研究还不是很多,来自AliErtürk团队的新研究将帮助后来的研究者开发更有效的药物,来消灭转移的癌细胞。

  

《细胞》论文地址:

  

  

vDISCO论文地址:

  

  

官方报道:

  

  

  

大咖齐聚!量子位MEET2020智能未来大会

  

量子位?MEET2020智能未来大会回放来啦!李开复、倪光南、景鲲、周伯文、吴明辉、曹旭东、叶杰平、唐文斌、王砚峰、黄刚、马原等AI大咖与你一起读懂人工智能。扫码观看回放吧~~

  

  

  

量子位?QbitAI·左边左边头条号右边签约右边作者

  

?'?'?追踪AI技术和产品新动态

  

喜欢就点「在看」吧!

免责声明:本站部分内容和图片来源于互联网,经本站整理和编辑,版权归原作者所有,本站转载出于传递更多信息、交流和学习之目的,不做商用不拥有所有权,不承担相关法律责任。若有来源标注存在错误或侵犯到您的权益,烦请告知网站管理员,将于第一时间整改处理。管理员邮箱:y569#qq.com(#转@)

相关推荐

推荐内容

落户咨询2
最新资讯
落户咨询3