人工智能以纳米级的精度发现癌症和病毒感染

　　

　　

　　研究人员已经开发出一种人工智能，可以区分癌细胞和正常细胞，并检测细胞内病毒感染的早期阶段。今天发表在《自然机器智能》杂志上的一项研究结果为改进诊断技术和新的疾病监测策略铺平了道路。这些研究人员来自基因组调控中心(CRG)、巴斯克大学(UPV/EHU)、多诺斯蒂亚国际物理中心(DIPC)和Fundación Biofisica Bizkaia (FBB，位于Biofisika研究所)。

　　这个名为AINU(细胞核人工智能)的工具可以扫描细胞的高分辨率图像。这些图像是通过一种叫做STORM的特殊显微镜技术获得的，这种显微镜技术可以捕捉到比普通显微镜更精细的细节。这些高清晰度的快照揭示了纳米级分辨率的结构。

　　一纳米(nm)是一米的十亿分之一，而人类的一根头发大约有10万纳米宽。这种人工智能可以检测到小到20纳米的细胞内部的重排，比人类头发的宽度还小5000倍。这些变化太小，太微妙，人类观察者无法用传统的方法发现。

　　“这些图像的分辨率足以让我们的人工智能以惊人的准确性识别特定的模式和差异，包括DNA在细胞内排列方式的变化，帮助在发生变化后很快发现变化。”我们认为，有一天，这种类型的信息可以为医生赢得宝贵的时间来监测疾病，个性化治疗并改善患者的治疗效果，”ICREA研究教授Pia Cosma说，他是该研究的共同通讯作者，也是巴塞罗那基因组调控中心的研究员。

　　AINU是一种卷积神经网络，是一种专门用于分析图像等视觉数据的人工智能。卷积神经网络的例子包括人工智能工具，使用户能够通过面部解锁智能手机，或者自动驾驶汽车使用的其他工具，通过识别道路上的物体来理解和导航环境。

　　在医学上，卷积神经网络被用来分析医学图像，如乳房x光片或CT扫描，并识别人类肉眼可能忽略的癌症迹象。它们还可以帮助医生在核磁共振扫描或x射线图像中发现异常情况，帮助做出更快、更准确的诊断。

　　AINU在分子水平上检测和分析细胞内的微小结构。研究人员通过给模型喂食不同状态下不同类型细胞的纳米级分辨率的细胞核图像来训练模型。该模型通过分析核成分在三维空间中的分布和排列方式，学会了识别细胞中的特定模式。

　　例如，与正常细胞相比，癌细胞的核结构发生了明显的变化，比如DNA的组织方式或细胞核内酶的分布发生了变化。经过训练后，AINU可以分析新的细胞核图像，并仅根据这些特征将其分类为癌细胞或正常细胞。

　　这些图像的纳米级分辨率使人工智能能够在被1型单纯疱疹病毒感染后一小时内检测到细胞核的变化。该模型可以通过发现DNA排列紧密程度的细微差异来检测病毒的存在，这种情况发生在病毒开始改变细胞核结构的时候。

　　“我们的方法可以在感染开始后很快检测到被病毒感染的细胞。通常情况下，医生需要一段时间才能发现感染，因为他们依赖于可见的症状或身体上更大的变化。但是通过AINU，我们可以立即看到细胞核的微小变化，”该研究的共同通讯作者，UPV/EHU的Ikerbasque研究助理，隶属于FBB-Biofisika研究所和圣Sebastián/Donostia的DIPC的Ignacio Arganda-Carreras说。

　　研究人员可以利用这项技术来观察病毒在进入人体后几乎是如何立即影响细胞的，这可能有助于开发更好的治疗方法和疫苗。在医院和诊所，AINU可用于从简单的血液或组织样本中快速诊断感染，使这一过程更快、更准确，”该研究的第一作者之一、广东省人民医院(GDPH)的研究员钟丽梅补充道。

　　在这项技术准备好在临床环境中进行测试或部署之前，研究人员必须克服重要的限制。例如，STORM图像只能用通常只有在生物医学研究实验室才能找到的专用设备拍摄。建立和维护人工智能所需的成像系统是对设备和技术专业知识的重大投资。

　　另一个限制是STORM成像通常一次只能分析几个细胞。出于诊断目的，尤其是在速度和效率至关重要的临床环境中，医生需要在一张图像中捕获更多数量的细胞，以便能够检测或监测疾病。

　　“在STORM成像领域有许多快速的进步，这意味着显微镜可能很快就可以在较小或不太专业的实验室中使用，最终甚至可以在临床中使用。可及性和产量的限制比我们以前认为的更容易处理，我们希望尽快开展临床前实验，”Cosma博士说。

　　虽然临床效果可能还需要几年的时间，但AINU有望在短期内加速科学研究。研究人员发现，该技术可以非常精确地识别干细胞。干细胞可以在体内发育成任何类型的细胞，这种能力被称为多能性。多能性细胞因其帮助修复或替换受损组织的潜力而被研究。

　　AINU可以使检测多能细胞的过程更快、更准确，有助于使干细胞治疗更安全、更有效。

　　“目前检测高质量干细胞的方法依赖于动物试验。然而，所有我们的人工智能模型需要工作的是一个样本，该样本被染色的特定标记突出了关键的核特征。该研究的第一作者、CRG的研究员Davide Carnevali说:“除了更容易和更快之外，它还可以加速干细胞研究，同时有助于减少科学中动物使用的转变。”

　　更多信息:一种使用纳米级核特征识别细胞异质性的深度学习方法，Nature Machine Intelligence(2024)。DOI: 10.1038/s42256-024-00883-x期刊信息:自然机器智能由基因组调控中心提供引文:人工智能以纳米级精度发现癌症和病毒感染(2024,8月27日)检索自2024年8月27日https://medicalxpress.com/news/2024-08-ai-cancer-viral-infections-nanoscale.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。