首次看清體內所有癌症轉移灶,深度學習方法立大功!中國留學生一作論文登《細胞》封面_風聞
量子位-量子位官方账号-2019-12-17 13:09
邊策 乾明 魚羊 發自 亞龍灣
量子位 報道 | 公眾號 QbitAI
癌症為什麼被稱為絕症?為什麼難治?
其實不全在於原始的癌細胞,核心在於轉移及其併發症。它的生長力非常強,只要脱落或粘連到哪裏,哪裏就會生出新腫瘤。
而且這個過程毫無規律,很難抑制,導致當前的癌症療法很難實現根治效果,業內的統計數據顯示,有90%的癌症死亡是轉移導致的。
而且轉移後的癌細胞到底去了哪裏,我們很難發現,雖然現在有生物發光、核磁共振等成像技術,但是分辨率都不夠高,無法對全身細胞進行全面的檢測。
但最新一期登上Cell封面的研究,讓我們第一次看清了癌症轉移後所有病灶。
來自德國的研究團隊開發出了一種基於深度學習的新型算法DeepMACT,能內在細胞水平自動檢測和分析整個小鼠身體中的癌症轉移。
這篇論文的第一作者潘晨琛博士説:“DeepMACT是第一種能夠對全身(癌細胞)轉移過程進行定量分析的方法。”

基於這項技術,人類能夠看到其單個癌細胞形成的轉移位點,這也是科學家首次完成這一壯舉。
而且所使用的時間不到一個小時,準確率比肩人類專家,效率提高了300倍以上。以往如此工作量,讓人類來做可需要數月時間才能完成。
他們將這項技術用在藥物治療後小鼠身上,發現藥物最多漏過23%的轉移位點。這也給許多癌症在治療後,總會出現復發提供了一種解釋。

當前,這一分析工具DeepMACT已經開放使用。
“目前,腫瘤臨牀試驗的成功率約為5% 。我們相信 DeepMACT 技術可以大大改善臨牀前研究的藥物開發過程。因此,這可能有助於為臨牀試驗找到更強大的候選藥物,並有望幫助挽救許多生命。”研究的通訊作者,也是潘晨琛的導師Ali Ertürk表示。
vDISCO成像技術
第一步,是通過vDISCO方法,把癌細胞的熒光蛋白信號增強100倍以上。
vDISCO成像技術同樣來自論文通訊作者Ali Ertürk的團隊,共同一作是蔡瑞瑤和潘晨琛。
通過這項技術,研究人員可以把癌細胞已經發生轉移的小鼠處理成透明狀態。
並且,利用基於壓力驅動、納米抗體的全身免疫標記技術,vDISCO可以將癌細胞的熒光蛋白信號增強兩個數量級(100倍)。
然後,將透明小鼠從頭到腳進行光片顯微鏡成像,所有光片圖像組合起來就能獲得小鼠完整的3D圖像。
這樣一來,研究人員就能揭示所有腫瘤轉移位點,甚至能檢測到單個癌細胞的最小轉移灶。
相比之下,此前的生物發光成像技術只能定位到較大的轉移灶。
**△**生物發光技術(A-G) vs vDISCO(M-N)DeepMACT深度學習算法
獲得了高分辨率的成像數據還只是第一步。要知道,這些數據的體量非常龐大,手動進行分析將是非常耗時的過程。
為了解決這個問題,研究人員開發了一種基於深度學習的新算法——DeepMACT。
核心架構是CNN。其結構類似於U-net,通過使用可檢測出癌症特徵的編碼單元深堆棧,以及在每個像素級別分割轉移灶的解碼單元堆棧,該網絡可以把轉移灶和背景信號區分開。
具體而言,DeepMACT是通過CNN處理小的子體積的2D投影,來實現對轉移灶的檢測和圖像分割。
首先,導出每個子體積的三個2D最大強度投影(與x軸、y軸和z軸對齊),增強信噪比。
將投影結果餵給CNN,得到2D概率圖。其中每個像素值代表該像素在給定投影下識別出轉移灶的概率。
然後,用三個2D概率圖重建3D分割。如此一來,真陽性轉移灶的檢測可靠性增加了。同時,在各個投影中產生假陽性的非轉移性組織則被妥善地忽略掉了。
舉個例子,在上面這張圖中,綠色箭頭指向真正的轉移灶,紅色箭頭顯示“偽轉移灶”。在經過CNN的加工之後,真轉移灶被成功檢測出來,而“偽轉移灶”則被消除了。
研究人員證明,DeepMACT的F1分數達到了80%,遠超現有的基於過濾器的檢測器。
並且,DeepMACT的檢測性能非常接近人類專家手動註釋的水平。
值得注意的是,人類專家的分數(83%)雖稍高於DeepMACT,但其錯過了大約29%的微小轉移灶。
也就是説,DeepMACT算法在檢測轉移灶的準確率上足以與人類專家相媲美,而速度則提高了300倍以上。
論文共同一作Oliver Schoppe表示:
僅需單擊幾下,DeepMACT即可在不到一個小時的時間內,完成手動檢測幾個月才能完成的工作。
現在,我們能夠在日常工作中,對單個擴散的癌細胞進行高通量轉移分析了。
**△**DeepMACT處理時長 vs 人類專家處理時長抗體藥物錯過了23%的轉移灶
藉助DeepMACT,研究人員還對現在的抗體藥物癌症療法進行了評估。
以人類碳酸酐酶XII(CA12)為例,抗體藥物6A10能夠阻斷其活性,延緩腫瘤的生長,並使腫瘤對化療的敏感性提高。
給小鼠移植癌細胞,9周後,靜脈注射6A10。
結果表明,6A10錯過了小鼠體內多達**23%**的轉移灶。並且,雖然抗體藥物一共擊中了77%的轉移灶,但肺部被發現的微轉移灶(85%)明顯要比身體其餘部分(66%)多。
一作是中國青年科學家
這篇論文來自德國組織工程和再生醫學研究所,有三位貢獻相同的第一作者,分別是Oliver Schoppe、Arnaldo Parra-Damas以及一位中國留學生潘晨琛。
潘晨琛,曾獲得2017年“國家優秀自費留學生獎學金,現在慕尼黑大學Ali Ertürk副教授的團隊中攻讀博士學位。
Ali Ertürk,是一位來自土耳其的神經學家,現年僅39歲,今年7月擔任新成立的德國組織工程和再生醫學研究所主任。
從土耳其本科畢業後,他進入馬克斯·普朗克神經生物研究所攻讀博士學位,同時他也是vDISCO透明技術的發明人,潘晨琛在他的團隊中發表了多篇該技術的相關論文,並登上了Nature子刊。
這項技術讓生物醫學研究可以觀察到完整的大腦和神經元網絡,除了用於研究癌症,還能用於阿茲海默症等神經科學問題。
癌症攻堅進行時
最近,同樣是一篇來自華人學者的癌症研究,登上了國際頂級學術期刊。
從中山大學畢業的吳思涵發現,染色體外的DNA也會攜帶癌基因,而且這部分基因是腫瘤的整個基因轉錄組當中,表達水平最高的。
AI在癌症診療中的應用也越來越多,僅谷歌一家就在Nature子刊上發表數篇研究。
今年5月,谷歌用AI診斷早期肺癌,準確率超越了人類醫生,將發現的病歷增加了5%,同時假陽性的錯誤率降低了11%。
另外谷歌還發明瞭一項結合傳統診療手段的儀器,在傳統顯微鏡上加裝深度學習算法加持的AR成像設備,在茫茫的組織切片細胞中準確找出癌細胞。
但是AI在癌症的病理方面的研究還不是很多,來自Ali Ertürk團隊的新研究將幫助後來的研究者開發更有效的藥物,來消滅轉移的癌細胞。
傳送門
《細胞》論文地址:https://doi.org/10.1016/j.cell.2019.11.013
vDISCO論文地址:https://www.biorxiv.org/content/10.1101/374785v1.full.pdf+html
官方報道:https://www.eurekalert.org/pub_releases/2019-12/hzm—nad121019.php