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) 和比斯开生物物理基金会 (FBB，位于 Biofisika 研究所) 的研究人员开发了一种人工智能，可以区分癌细胞和正常细胞，以及检测细胞内病毒感染的早期阶段。该研究结果今天发表在《自然机器智能》杂志的一项研究中，为改进诊断技术和新的疾病监测策略铺平了道路。
该工具名为 AINU（细胞核的人工智能），可扫描细胞的高分辨率图像。这些图像是通过一种名为 STORM 的特殊显微镜技术获得的，该技术可以捕捉到比普通显微镜更精细的细节。高清快照可以以纳米级分辨率显示结构。
一纳米 (nm) 是十亿分之一米，一根人类头发的宽度约为 100,000 纳米。人工智能可以检测到细胞内小至 20 纳米（比人类头发的宽度小 5,000 倍）的重组。这些改变太小太微妙，人类观察者无法仅使用传统方法发现。
这些图像的分辨率足以让我们的人工智能以惊人的准确度识别特定的模式和差异，包括细胞内 DNA 排列方式的变化，从而帮助在变化发生后很快发现变化。我们认为，有一天，这类信息可以为医生赢得宝贵的时间来监测疾病、个性化治疗和改善患者治疗效果。”
Pia Cosma，ICREA 研究教授，该研究的共同通讯作者，巴塞罗那基因组调控中心研究员
分子水平上的“面部识别”
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，它使用户能够用脸解锁智能手机，或者自动驾驶汽车使用其他工具通过识别道路上的物体来理解和导航环境。
在医学领域，卷积神经网络用于分析乳房X光片或 CT 扫描等医学图像，并识别人眼可能忽略的癌症迹象。它们还可以帮助医生检测 MRI 扫描或 X 射线图像中的异常，从而做出更快、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。研究人员通过向模型输入不同状态下多种不同类型细胞的细胞核的纳米级分辨率图像来训练该模型。该模型通过分析细胞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，癌细胞的细胞核结构与正常细胞相比有明显变化，例如 DNA 的组织方式或细胞核内酶的分布发生了改变。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。
图像的纳米级分辨率使人工智能能够在细胞被 1 型单纯疱疹病毒感染后一小时内检测到细胞核的变化。当病毒开始改变细胞核结构时，DNA 的紧密程度就会发生细微变化，该模型可以通过发现这种细微变化来检测病毒的存在。
“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，医生需要一些时间来发现感染，因为他们依赖于可见的症状或身体的较大变化。但使用 AINU，我们可以立即看到细胞核中的微小变化，”该研究的共同通讯作者、UPV/EHU 的 Ikerbasque 研究助理 Ignacio Arganda-Carreras 说道，他隶属于 FBB-Biofisika 研究所和圣塞瓦斯蒂安/多诺斯蒂亚的 DIPC。
“研究人员可以利用这项技术观察病毒在进入人体后几乎立即如何影响细胞，这有助于开发更好的治疗方法和疫苗。在医院和诊所中，AINU 可用于从简单的血液或组织样本中快速诊断感染，使诊断过程更快、更准确，”该研究的共同第一作者、中国广州广东省人民医院 (GDPH) 研究员钟丽梅补充道。
为临床准备奠定基础
研究人员必须克服一些重要的限制，才能让这项技术在临床环境中进行测试或部署。例如，STORM 图像只能使用通常只在生物医学研究实验室中找到的专用设备来拍摄。设置和维护 AI 所需的成像系统是一项对设备和技术专长的重大投资。
另一个限制因素是 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细胞，才能检测或监测疾病。
“STORM 成像领域取得了许多快速进展，这意味着显微镜可能很快就会出现在规模较小或专业程度较低的实验室中，甚至最终会出现在诊所中。可及性和吞吐量的限制比我们之前想象的更容易解决，我们希望很快开展临床前实验，”Cosma 博士说。
尽管临床应用可能还需要数年时间，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。干细胞可以发育成体内任何类型的细胞，这种能力被称为多能性。人们研究多能细胞是因为它们有助于修复或替换受损组织。
AINU 可以使检测多能细胞的过程更快、更准确，有助于使干细胞疗法更安全、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，我们的人工智能模型只需要一个用特定标记染色的样本，这些标记可以突出关键的核特征。它不仅更简单、更快捷，还可以加速干细胞研究，同时有助于减少科学中动物的使用，”这项研究的第一作者、CRG 研究员 Davide Carnevali 说。
