新算法甚至可以检测出整个淋巴瘤中最小的癌症转移

癌症是全球死亡的主要原因之一。超过90%的癌症患者死于远端转移，而不是原发肿瘤的直接结果。癌症转移通常是由单个扩散的癌细胞发展而来的，它们逃避了人体的免疫监视系统。到目前为止，由于成像技术(例如生物发光和MRI)的分辨率有限，因此无法对整个体内的这些细胞进行全面检测。这导致相对缺乏对各种癌症类型的特定传播机制的了解，这是有效治疗的先决条件。它还妨碍了评估新药候选物用于肿瘤治疗的功效的努力。

通过深度学习超越人类检测能力

为了开发克服这些障碍的新技术，由Helmholtz ZentrumMünchen的组织工程和再生医学研究所所长AliErtürk博士领导的团队先前开发了vDISCO-一种将小鼠转化为组织的固定和固定方法体进入透明状态，可以对单个细胞进行成像。使用激光扫描显微镜，研究人员能够在清除小鼠身体组织的过程中检测到单个癌细胞的最小转移灶。

但是，手动分析此类高分辨率成像数据将是非常耗时的过程。鉴于目前用于此类数据分析的算法的可靠性和处理速度有限，研究团队开发了一种新型的基于深度学习的算法DeepMACT。研究人员现在已经能够检测和分析癌症转移并自动绘制vDISCO制剂中治疗性抗体的分布。DeepMACT算法在检测转移方面与人类专家的性能相匹配-但速度提高了300倍以上。“仅需单击几下，DeepMACT即可在不到一个小时的时间内完成几个月的手动检测工作。我们现在能够日常日常工作中，对单个扩散的肿瘤细胞进行高通量转移分析，” Oliver Schoppe说，该研究的第一作者和博士学位。是TUM转化癌症研究中心TranslaTUM的Bjoern Menze教授小组的学生。

检测细胞，收集数据，了解癌症

使用DeepMACT，研究人员获得了对不同肿瘤模型独特转移谱的新见解。多种癌症类型的传播模式的表征可以使针对不同转移性癌症的定制药物靶向成为可能。通过分析小鼠中乳腺癌转移的进程，DeepMACT已经发现随着时间的推移，整个小鼠体内小转移的实质性增加。Helmholtz ZentrumMünchen的博士后研究员Chenchen Pan博士补充说：“以前，传统的生物发光成像无法检测到这些特征。DeepMACT是第一种能够在全身范围内对转移过程进行定量分析的方法。”该研究的联合第一作者。“我们的方法还使我们能够更详细地分析肿瘤抗体疗法的靶向性。

当前的癌症疗法效果如何?

借助DeepMACT，研究人员现在可以使用一种工具来评估采用肿瘤特异性单克隆抗体的临床癌症疗法的靶向性。作为一个有代表性的例子，他们使用DeepMACT来量化名为6A10的治疗性抗体的功效，该抗体已被证明可减少肿瘤的生长。结果表明6A10可以错过受影响小鼠体内多达23%的转移。这强调了在单一转移水平上针对新型肿瘤药物开发的靶向疗效分析的重要性。当小分子药物与荧光染料结合时，该方法还可能追踪小分子药物的分布。

在停止转移过程的途中

综上所述，这些结果表明，DeepMACT不仅为癌症转移的综合分析提供了有力的方法，而且为临床前研究中的治疗药物评估提供了灵敏的工具。“与癌症的斗争已经进行了数十年，我们要最终战胜该疾病还有很长的路要走。为了开发更有效的癌症疗法，了解多种癌症类型的转移机制以及开发能够停止转移过程的肿瘤特异性药物。”Ertürk解释说。

DeepMACT是公开可用的，可以在其他专注于多种肿瘤模型和治疗方案的实验室中轻松采用。“今天，肿瘤学临床试验的成功率约为5%。我们认为DeepMACT技术可以大大改善临床前研究中的药物开发过程。因此，可以帮助找到更强大的临床试验药物候选者，并希望有助于拯救许多生命”。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！