AI驱动的工具可以通过精确的细胞成像加快癌症诊断

由香港大学工程学院（HKU）的生物医学工程计划计划主任凯文·蒂西亚（Kevin Tsia）领导的研究团队开发了一种AI-DRIEN成像工具，可以快速诊断出癌症患者的快速诊断增强其医疗的有效性。

在与HKU的Li Ka Shing学院（HKUMED）和由TSIA教授领导的团队的联合合作中，成功地证明了其最新生成的AI方法的使用，即Cyto-Morphorgology对抗性蒸馏（Cytomad），CytoMAD）关于肺癌患者以及药物测试。

结合其专有的微流体技术，Cytomad允许快速且具有成本效益的“无标签”成像人类细胞帮助临床医生以单个细胞的精度​​评估患者的肿瘤，并确定患者是否有转移风险。

Cytomad使用AI自动纠正细胞成像不一致，增强细胞图像，并从细胞图像中提取以前无法检测到的信息。Cytomad中的这种全方位能力可确保上游准确和可靠数据分析和诊断。Cytomad的能力有可能彻底改变细胞成像，从而有意义地分析细胞性质以及相关的健康和疾病信息。

“到目前为止，还没有通过成像进行成像进行单细胞分析的技术，这主要是因为规模限制。在传统方法下，成像吞吐量不够快，并且单元格的图像不够清晰且内容丰富，TSIA教授说。

该小组与临床医学院的医学系的詹姆斯·霍（James Ho）教授与Hkumed临床医学学院下的手术系迈克尔·赫辛（Michael Hsin）合作。研究是出版最近在一篇题为“信息延伸的无生成标签的形态分析编码蜂窝异质性”的文章中高级科学。

发现细胞信息

面对放置在显微镜下的细胞样品可见性较低的挑战，医生经常采用通常将污渍和标签涂在样品上的方法。但是，这种方法是耗时的，在繁琐的过程中远非成本效益。这也意味着患者必须等待一段时间才能知道细胞分析的结果，例如通过血液样本。

TSIA教授的AI技术的关键优势在于它是“无标签”，因此需要更少的步骤来准备患者或细胞样本。这节省了很多时间和人力，从而增加了诊断和药物发现过程的速度和效率。他说：“我们使用生成的AI技术来呈现出更清晰的无标签图像，并具有有用的信息，例如治疗是否具有积极作用。”

Cytomad允许同时进行无标记的图像对比度翻译，以揭示其他细胞信息。“我们的工作主要集中于无标签的成像模式（即，由于近年来生物医学的意义越来越重要，因此它们对定量相图像（QPI）翻译）的重点是定量相图像（QPI）翻译。

“经典的明亮场细胞图像通常看起来像是一张模糊的照片，充满了散射的淡淡的斑点，几乎无需提供有关细胞特性的有意义分析，从而获得了相关的健康和疾病信息。但是，Cytomad是一种生成的AI模型，可以训练以提取与机械性能和细胞的分子信息有关的信息，这些信息在明亮场图像中无法被人眼无法检测到。

“换句话说，我们可以发现基础细胞功能，绕过标准荧光标记的使用及其成本和时间的局限性的细胞的重要特性，”电气和电子工程系的博士后研究员Michelle Lo博士解释说。工程学院是该项目的Cytomad的主要开发商。

公正的诊断

新颖的方法还解决了“批处理效应”的挑战。

当前的解决方案，包括基于机器学习技术的解决方案，通常需要不同类型的先验知识或数据的假设，从而使它们不够概括，以至于在不同的应用程序中轻松地采用。“我们的AI模型不需要任何假设。因此，它允许无偏见的细胞图像分析和诊断。”

这种强大的深度学习模型受益于TSIA团队也开发的超快光学成像技术。“这项技术使我们能够以极高的速度捕获单元图像。每天都可以生成数千万张图像。因此，利用这一单个系统，我们在许多AI创新中处于独特位置，以加速高级的AI R＆D。TSIA教授指出，从培训，优化到部署。

尽管肺癌在全球所有癌症疾病中仍然是最高的杀手，并且排名第一的癌症风险。它可以通过采用节省时间的“无标签方法”，以及其高速成像和由生成AI驱动的高速成像和诊断功能的优势来减少通常长度的药物筛查过程。

展望未来，一个主要目标是训练模型，使医生能够预测潜在患者的癌症或其他疾病。TSIA教授说：“基于大量数据进行预测是生物医学中AI应用最有力的方面。”

TSIA团队已申请研究资金在三年内对肺癌患者进行临床试验。“我们计划使用成像和AI技术来积累足够的数据并跟踪患者的进步。”