人工智慧以奈米級精度發現癌症和病毒感染
研究人員開發了一種人工智慧，可以區分癌細胞和正常細胞，並檢測細胞內病毒感染的早期階段。今天發表在《自然機器智能》雜誌上的一項研究中的研究結果為改進診斷技術和新的疾病監測策略鋪平了道路。研究人員來自基因組調控中心 (CRG)、巴斯克大學 (UPV/EHU)、Donostia 國際物理中心 (DIPC) 和 Biofisica Bizkaia 基金會 (FBB，位於 Biofisika 研究所)。
該工具 AINU（AI of the NUcleus）可掃描細胞的高解析度影像。這些圖像是透過一種稱為 STORM 的特殊顯微鏡技術獲得的，該技術所創建的圖像可以捕捉比普通顯微鏡所能看到的許多更精細的細節。高清快照揭示了奈米級分辨率的結構。
一奈米 (nm) 是十億分之一米，一根人類頭髮的寬度約為 100,000 奈米。 AI 可以偵測小至 20 奈米（比人類頭髮寬度小 5,000 倍）的細胞內重排。這些變化對於人類觀察者來說太小太微妙，無法僅用傳統方法發現。
「這些影像的分辨率足夠強大，讓我們的人工智慧能夠非常準確地識別特定的模式和差異，包括細胞內DNA 排列方式的變化，從而幫助在變化發生後很快發現它們。我們認為，有一天，這種類型的大量的資訊可以為醫生贏得寶貴的時間來監測疾病、個人化治療和改善患者的治療結果，」該研究的共同通訊作者、巴塞隆納基因組調控中心的研究員 Pia Cosma 教授說。
分子層次的“臉部辨識”
AINU 是一種卷積神經網絡，是一種專門用於分析影像等視覺資料的人工智慧。卷積神經網路的例子包括人工智慧工具，使用戶能夠透過臉部解鎖智慧型手機，或自動駕駛汽車使用的其他工具，透過識別道路上的物體來理解和導航環境。
在醫學領域，卷積神經網路用於分析乳房 X 光檢查或 CT 掃描等醫學影像，並識別人眼可能錯過的癌症跡象。它們還可以幫助醫生檢測 MRI 掃描或 X 光影像中的異常情況，從而幫助做出更快、更準確的診斷。
AINU 在分子層面上檢測和分析細胞內的微小結構。研究人員透過向模型輸入處於不同狀態的許多不同類型細胞的細胞核的奈米級分辨率圖像來訓練模型。該模型透過分析核成分在三維空間中的分佈和排列方式，學會了識別細胞中的特定模式。
例如，與正常細胞相比，癌細胞的核結構發生了明顯的變化，例如 DNA 的組織方式或核內酶的分佈發生了變化。經過訓練後，AINU 可以分析細胞核的新影像，並僅根據這些特徵將它們分類為癌性或正常性。
影像的奈米級分辨率使人工智慧能夠在細胞被 1 型單純皰疹病毒感染一小時後檢測到細胞核的變化。該模型可以透過發現 DNA 堆積緊密程度的細微差異來檢測病毒的存在，這種差異發生在病毒開始改變細胞核結構時。
「我們的方法可以在感染開始後很快檢測出被病毒感染的細胞。通常情況下，醫生需要時間來發現感染，因為他們依賴可見的症狀或體內較大的變化。但有了AINU，我們可以研究的共同通訊作者、UPV/EHU 的Ikerbasque 研究員、隸屬於聖塞巴斯蒂安/多諾斯蒂亞的FBB-Biofisika 研究所和DIPC 的伊格納西奧·阿爾甘達·卡雷拉斯(Ignacio Arganda-Carreras) 說。
「研究人員可以使用這項技術來觀察病毒在進入人體後幾乎立即如何影響細胞，這有助於開發更好的治療方法和疫苗。在醫院和診所，AINU 可用於透過簡單的血液或組織樣本快速診斷感染，使過程更快、更準確，」該研究的共同第一作者、中國廣州廣東省人民醫院 (GDPH) 的研究員鐘麗梅補充道。
為臨床準備奠定基礎
在該技術準備好進行測試或在臨床環境中部署之前，研究人員必須克服重要的限制。例如，STORM 影像只能使用通常僅在生物醫學研究實驗室中找到的專用設備來拍攝。設置和維護人工智慧所需的成像系統是對設備和技術專業知識的重大投資。
另一個限制是 STORM 成像通常一次僅分析幾個細胞。出於診斷目的，特別是在速度和效率至關重要的臨床環境中，醫生需要在單一影像中捕獲更多數量的細胞，以便能夠檢測或監測疾病。
「STORM 成像領域取得了許多快速進展，這意味著顯微鏡可能很快就會在較小或不太專業的實驗室中使用，最終甚至在診所中使用。可訪問性和通量的限制是比我們之前想像的更容易處理的問題，我們希望盡快進行臨床前實驗，」Cosma 博士說。
儘管臨床獲益可能還需要數年時間，但 AINU 預計將在短期內加速科學研究。研究人員發現該技術可以非常高精度地識別幹細胞。幹細胞可以發展成體內任何類型的細胞，這種能力稱為多能性。研究多能細胞在幫助修復或取代受損組織的潛力。
AINU 可以使多能細胞的檢測過程更快、更準確，有助於使幹細胞治療更安全、更有效。
「目前檢測高品質幹細胞的方法依賴動物測試。然而，我們的人工智慧模型需要工作的只是一個用特定標記染色的樣本，這些標記突出了關鍵的核特徵。除了更容易、更快之外，它還可以加速幹細胞研究同時有助於減少科學中動物使用的轉變，」該研究的第一作者、CRG 的研究員 Davide Carnevali 說。
如果想详细了解，可以点开视频下方的链接。
谢谢观看本视频。要是喜欢，请订阅、点赞。谢谢
原文：https://medicalxpress.com/news/2024-08-ai-cancer-viral-infections-nanoscale.html
More information: A deep learning method that identifies cellular heterogeneity using nanoscale nuclear features, Nature Machine Intelligence (2024). DOI: 10.1038/s42256-024-00883-x
更多資訊：一種利用奈米級核特徵識別細胞異質性的深度學習方法， Nature Machine Intelligence (2024)。 DOI：10.1038/s42256-024-00883-x
Journal information: Nature Machine Intelligence
期刊資訊： 《自然‧機器智能》
