盡管最近有醫(yī)學(xué)上的進(jìn)步，癌癥仍然是全世界死亡的主要原因之一。超過90%的與癌癥相關(guān)的死亡是由于轉(zhuǎn)移而不是原發(fā)癌的增長。當(dāng)癌細(xì)胞擴散到人體的新區(qū)域而逃避人體免疫系統(tǒng)時，就會發(fā)生這種轉(zhuǎn)移。

由于臨床前成像技術(shù)(例如生物發(fā)光成像和MRI)的分辨率有限，因此無法全面檢測模型動物體內(nèi)小的轉(zhuǎn)移灶。這些缺點通過評估新藥候選藥物的功效嚴(yán)重地阻礙了有效療法的發(fā)展，并導(dǎo)致對各種癌癥類型的傳播機制缺乏了解。

為了克服檢測癌癥轉(zhuǎn)移的障礙，HelmholtzZentrumMünchen，慕尼黑路德維希馬克西米利安大學(xué)(LMU)和慕尼黑工業(yè)大學(xué)(TUM)的研究人員開發(fā)了一種新型的基于深度學(xué)習(xí)的算法DeepMACT(基于深度學(xué)習(xí)的轉(zhuǎn)移)清除組織中進(jìn)行分析)。DeepMACT甚至可以對最小的轉(zhuǎn)移進(jìn)行自動檢測和可視化，還可以確定藥物是否已經(jīng)到達(dá)轉(zhuǎn)移。

基于圖像的AI算法

研究人員使用一種稱為vDISCO的組織清除方法來使整個小鼠身體透明。他們使用激光掃描顯微鏡對透明鼠標(biāo)進(jìn)行3D成像，從而可以觀察到最小的轉(zhuǎn)移灶，直至單個癌細(xì)胞。但是，手動分析此類高分辨率圖像非常耗時。因此，DeepMACT誕生了(Cell10.1016 / j.cell.2019.11.013)。

DeepMACT使該團隊能夠準(zhǔn)確地可視化候選藥物靶向哪些癌癥轉(zhuǎn)移以及錯過了哪些癌癥轉(zhuǎn)移。他們的分析表明，基于抗體的藥物(例如，一種名為6A10的抗體，是目前可用的最有效的治療方法之一)可以錯過受影響小鼠體內(nèi)多達(dá)23%的轉(zhuǎn)移。此外，研究小組還使用這種方法分析了肺癌，乳腺癌和胰腺癌的轉(zhuǎn)移擴散，并觀察了轉(zhuǎn)移在不同時間點如何在體內(nèi)擴散。

第一作者Chenchen Pan補充說：“ DeepMACT是實現(xiàn)全身轉(zhuǎn)移過程定量分析的第一種方法。

在檢測轉(zhuǎn)移灶時，DeepMACT方法不僅與手動檢測性能相匹配，而且分析速度提高了300倍。“只需單擊幾下，DeepMACT即可在不到一個小時的時間內(nèi)完成幾個月的手動檢測工作，”TUM的博士研究生Oliver Schoppe說。

由于DeepMACT可以公開獲得并且易于采用，因此科學(xué)家希望該技術(shù)將被其他從事各種腫瘤研究和治療選擇的實驗室使用。如今，只有約5%的新藥候選者在癌癥治療方面取得了成功。DeepMACT在臨床前研究中的應(yīng)用可以改善對更好的臨床試驗候選藥物的鑒定和開發(fā)。這種方法應(yīng)大大提高候選癌癥藥物的成功率，改善藥物開發(fā)過程，并可能挽救更多生命。