分类预测转移性肿瘤细胞的潜力

启动转移癌细胞,或从其主要疾病的传播位置,不同于癌细胞在原发肿瘤。区分metastasis-initiating细胞类型可以确定癌症和帮助医护人员的严重程度决定一个疗程。

德州理工大学的研究人员开发了一个深度学习模型对癌细胞的类型进行分类。该工具只需要一个简单的显微镜和少量的计算能力、生产结果相当或比更复杂的和复杂的技术。他们的方法是发表在《华尔街日报》5月2日APL机器学习在一篇题为“Label-free使用深上优于图像分析识别不同的癌细胞。”

“癌症细胞是高度异构,最近的研究表明,特定的细胞亚群,而不是整个,负责癌症转移,”作者李魏说。“识别肿瘤细胞各亚群是一个关键步骤,以确定疾病的严重程度。”

当前的方法对癌细胞进行分类涉及先进仪器,耗时的生物技术,或化学标签。

“这些复杂和长技术的问题是他们需要的资源和精力,可以用来探索不同地区的癌症预防和恢复,”作者卡尔·加德纳说。

一些研究利用磁性纳米粒子追踪癌细胞,但将这些标签会影响下游的细胞和完整性分析测量。

“我们的分类过程不包含额外的化学物质或生物解决方案当拍照的细胞,”加德纳说。“这是一个label-free转移潜力的识别方法。”

团队的神经网络也使用简单,高效和自动化。喂它一个图像后,该工具将数据转换为一个概率。结果低于0.5分类癌症是一个细胞类型,而数量高于0.5指定另一个。

工具是训练优化预测的准确性与一组图像两个癌细胞。它达到94%以上的准确率在这项研究中使用的数据集。

目前,训练数据只占一癌症细胞。然而,研究表明,循环肿瘤细胞集群更负责癌症的扩散。作者旨在扩展和推广模型包括单个细胞和集群。