新算法甚至检测到整个鼠标体上最小的癌症转移

癌症是全世界死亡的主要原因之一。超过90％的癌症患者死于远端转移，而不是作为原发性肿瘤的直接结果。癌症转移通常从单一播种癌细胞产生，避免身体的免疫监测系统。到目前为止，由于成像技术如生物发光和MRI的成像技术的分辨率有限，综合检测整个体内的这些细胞。这导致了对不同癌症类型的特定传播机制的相对缺乏了解，这是有效治疗的先决条件。它还阻碍了评估新药物候选者对肿瘤治疗的疗效的努力。

通过深入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 Zentrum组织工程和再生医学研究所所长Ali博士领导的团队München，他之前开发了vdisco -一种清除和固定组织的方法，可以将老鼠的身体转变成透明状态，从而可以对单个细胞成像。使用激光扫描显微镜，研究人员能够检测到最小的转移到个体癌细胞清除小鼠体内的组织。

然而，手动分析这种高分辨率成像数据将是一个非常耗时的过程。鉴于当前可用算法的有限可靠性和处理速度进行这种数据分析，团队开发了一部小说深学习基于基于算法的名为DeepMact。研究人员现在已经能够自动检测和分析癌症转移，并将治疗性抗体的分布自动地映射。DeepMACT算法与人类专家的性能相匹配检测转移 - 但是如此速度快300多倍。“只有几次点击次点击，DeepMact可以在不到一小时内进行手动检测工作月份。我们现在能够以每日常规为单一传播的肿瘤细胞进行高通量转移分析”，Oliver Schoppe表示- 研究和博士的作者。学生在大学教授Bjoern博士Menze，Transtatum，Tumpry的翻译癌症研究中心。

检测细胞，收集数据，学习癌症

利用DeepMACT，研究人员对不同肿瘤模型的独特转移特征有了新的认识。对不同癌症类型的传播模式进行表征，可以使针对不同转移性癌症的针对性药物成为可能。通过分析小鼠乳腺癌转移的进展，DeepMACT发现随着时间的推移，小鼠体内的小转移显著增加。“传统的生物发光成像技术以前无法检测到这些特征。DeepMACT是第一种能够在全身范围内定量分析转移过程的方法，”Helmholtz Zentrum München的博士后研究员、该研究的联合第一作者潘晨晨博士补充道。“我们的方法也使我们能够更详细地分析肿瘤抗体疗法的靶向性。”

目前的癌症治疗方法有多有效?

通过深压，研究人员现在具有一种工具，用于评估采用肿瘤特异性单克隆抗体的临床癌症疗法的靶向。作为代表性的例子，它们已经使用DeepMact来量化所示的治疗性抗体的疗效，该抗体被证明可以降低肿瘤生长。结果表明，6A10可以错过受影响小鼠的尸体中最多的23％的转移。这强调了分析在单一转移水平以进行新型肿瘤药物的靶向疗效的重要性。当它们与荧光染料缀合时，该方法可能还追踪小分子药物的分布。

在停止转移过程的路上

综上，这些结果表明，DeepMACT不仅为肿瘤转移的全面分析提供了强大的方法，而且为临床前研究中的治疗药物评估提供了敏感的工具。“与癌症的斗争已经进行了几十年，在我们最终战胜这种疾病之前还有很长的路要走。为了开发更有效的癌症治疗方法，了解多种肿瘤的转移机制是至关重要的癌症类型和发展能够停止转移过程的肿瘤特异性药物，“Ertürk解释道。

DeepMACT是公开的，可以很容易地应用于其他专注于不同肿瘤模型和治疗方案的实验室。“如今，肿瘤学临床试验的成功率约为5%。我们相信，DeepMACT技术可以大幅改善临床前研究的药物开发过程。因此，它可以帮助寻找更强大的临床试验候选药物，并有希望帮助拯救许多生命。”

这项研究发表在细胞。

---

---