研究人员创建了一个先进的人工智能系统，该系统能够区分癌细胞和正常细胞，并识别细胞内病毒感染的早期迹象。这些发现对于增强诊断方法和开发新的疾病监测方式具有重要意义。该人工智能可以识别小至20纳米的细胞内变化，这比人类头发的直径小5,000倍。这种微小的变化超出了传统方法在肉眼观察下的检测能力。
来自基因组调控中心（CRG）、巴斯克大学（UPV/EHU）、多诺斯蒂国际物理中心（DIPC）和比斯开生物物理基金会（FBB）的一个团队开发了一种创新的人工智能，可以区分癌细胞和健康细胞，并识别细胞内部病毒感染的早期阶段。他们的研究今天发表在《自然机器智能》上，为更好的诊断工具和新的疾病监测技术打开了大门。
这个工具名为AINU（即人工智能的细胞核），它对高分辨率细胞图像进行检查。这些图像来源于一种名为STORM的特殊显微镜技术，它捕捉的细节远比普通显微镜更精细。所得图像展示了令人难以置信的纳米级细节结构。
一个纳米（nm）表示十亿分之一米，而人类头发的宽度约为100,000nm。人工智能能够识别细胞内的重排，精准到20nm，比人类头发的宽度小5,000倍。这些微小的变化通常会逃过使用传统方法的人工分析师的检测。
“这些图像的分辨率如此先进，以至于我们的人工智能能够准确识别特定的模式和差异，包括细胞内DNA组织的变化。这种能力可能使我们能够在变化发生后很快检测到。此外，我们设想这种见解可以为医生提供关键的时间，以便监测疾病、量身定制治疗方案和改善病人护理，”研究的共同作者、巴萨罗那基因组调控中心的ICREA研究教授Pia Cosma解释道。
‘分子级面部识别’
AINU作为卷积神经网络运作，这是一种专门分析视觉数据（如图像）的特定人工智能。卷积神经网络驱动着面部识别等技术，使解锁智能手机成为可能，并使自动驾驶汽车通过识别道路上的各种物体进行导航。
在医学领域，这种网络用于检查医学图像，包括乳腺X光检查和CT扫描，检测可能未被人类观察者看到的癌症迹象。它们还可以帮助医生在MRI或X光图像中识别异常，从而实现更快、更准确的诊断。
AINU能够在分子水平上检测和分析细胞内的微小结构。研究人员使用不同条件下各种细胞类型的细胞核高分辨率图像对人工智能进行了训练，使其通过检查细胞核内组分在三维空间中的排列来学习识别特定模式。
例如，与正常细胞相比，癌细胞的细胞核显示出显著的结构性变化，例如DNA组织和酶分布的差异。在经过训练后，AINU能够检查新的细胞核图像，并根据这些区分特征将其分类为癌性或正常。
该人工智能的纳米级成像能力使其能够在细胞被单纯疱疹病毒1型感染后仅一个小时内注意到细胞核的变化。它通过观察DNA包装中的细微差异来检测病毒，这些差异表明病毒对细胞核结构的影响。
“我们的方法能够在感染开始后不久就识别出被病毒感染的细胞。目前，发现感染依赖于可见症状或身体内明显的变化，这可能需要时间。然而，通过AINU，我们可以立即看到细胞核中的微小变化，”研究共同作者、UPV/EHU的Ikerbasque研究助理Ignacio Arganda-Carreras表示。
“研究人员可以利用这项技术，分析病毒如何几乎在进入体内后立即影响细胞，这可能会导致改进的治疗和疫苗。在临床环境中，AINU可以通过简单的血液或组织样本提供快速的感染诊断，从而实现更快、更准确的过程，”研究共同第一作者、位于中国广州的广东省人民医院（GDPH）研究员Limei Zhong补充道。
为临床应用做好准备
在这项技术有效测试或用于临床环境之前，研究人员还需要解决一些关键挑战。例如，STORM成像只能在通常位于研究实验室的专用设备上进行。建立和维护这样的成像系统需要在技术和专业知识上投入重大资金。
此外，STORM成像一般一次仅评估少量细胞。对于有效的诊断，尤其是在临床环境中快速的结果至关重要，需要在单张图像中捕捉到更多细胞。
“在STORM成像领域有许多快速进展，表明显微镜可能很快就会在不那么专业的实验室中以及最终在临床上可用。可获得性和通量的问题可能比我们最初预期的要早得多得到解决，我们希望在不久的将来进行临床前实验，”Cosma博士表示。
尽管临床应用可能还需要几年的时间，但预计AINU将在短期内加速科学研究。研究人员发现，该技术可以以惊人的精度识别干细胞。干细胞具有转变为体内任何类型细胞的独特能力，这一特性称为多能性。这一特性使得干细胞成为研究的焦点，因为它们在修复或替代受损组织方面具有潜力。
AINU简化了识别多能细胞的过程，增强了干细胞疗法的安全性和有效性。“当前识别高质量干细胞的方法需要动物实验。然而，我们的人工智能模型只需要经过特定标记处理的样本，以强调重要的细胞核特征。这不仅使过程更简单和更快，而且还有助于减少科学研究中的动物使用，”研究的第一作者、CRG研究员Davide Carnevali解释道。
