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

为了开发新技术来克服这些障碍，由赫尔莫霍尔兹ZentrumMünchen的组织工程和再生医学研究所主任AliEartürk博士的团队先前已经开发出Vdisco-一种组织清除和固定方法，转化小鼠身体进入透明状态，允许单细胞成像。使用激光扫描显微镜，研究人员能够检测到个体的最小转移癌细胞清除了小鼠体的组织。

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到Vdisco制剂中。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

使用DeepMact，研究人员对不同肿瘤模型的独特转移配置进行了新的见解。不同癌症类型的传播模式的表征可以使不同的转移性癌症定制药物靶向。通过分析小鼠中乳腺癌转移的进展，DeepMact随着时间的推移，在整个小鼠体内的小转移率大幅增加。“常规生物发光成像中没有任何这些特征。DeepMact是一种能够在全身秤上进行定量分析的第一种方法”，在HelmholtzZentrumMünchen的博士博士中添加Chenchen Pan博士。该研究的联合第一作者。“我们的方法还允许我们更详细地分析肿瘤抗体疗法的靶向。”

目前的癌症治疗有多效果？

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

总之，这些结果表明，深压不仅为癌症转移综合分析提供了强大的方法，而且还为临床前研究提供了一种敏感的治疗药物评估工具。“在我们最终击败这种疾病之前，对抗癌症的战斗已经下降了。为了开发更有效的癌症疗法，了解多样化的转移机制至关重要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是公开可用的，在其他实验室中可以轻松采用，这些实验室专注于不同的肿瘤模型和治疗方案。“今天，肿瘤学中临床试验的成功率约为5％。我们认为，深度技术可以在临床前研究中大大提高药物开发过程。因此，可以帮助找到更强大的临床试验候选人，并希望有助于帮助拯救许多生命“。

该研究发表在细胞。

---

---