首次看清體內(nèi)所有癌癥轉(zhuǎn)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

魚羊 曉查 2019-12-17 12:49:08 來源：量子位

邊策 乾明 魚羊 發(fā)自 亞龍灣
量子位 報道 | 公眾號 QbitAI

癌癥為什么被稱為絕癥？為什么難治？

其實不全在于原始的癌細胞，核心在于轉(zhuǎn)移及其并發(fā)癥。它的生長力非常強，只要脫落或粘連到哪里，哪里就會生出新腫瘤。

而且這個過程毫無規(guī)律，很難抑制，導致當前的癌癥療法很難實現(xiàn)根治效果，業(yè)內(nèi)的統(tǒng)計數(shù)據(jù)顯示，有90%的癌癥死亡是轉(zhuǎn)移導致的。

而且轉(zhuǎn)移后的癌細胞到底去了哪里，我們很難發(fā)現(xiàn)，雖然現(xiàn)在有生物發(fā)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癥轉(zhuǎn)移后所有病灶。

來自德國的研究團隊開發(fā)出了一種基于深度學習的新型算法DeepMACT，能內(nèi)在細胞水平自動檢測和分析整個小鼠身體中的癌癥轉(zhuǎn)移。

這篇論文的第一作者潘晨琛博士說：“DeepMACT是第一種能夠?qū)θ恚ò┘毎┺D(zhuǎn)移過程進行定量分析的方法?！?/p>

基于這項技術，人類能夠看到其單個癌細胞形成的轉(zhuǎn)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(shù)月時間才能完成。

他們將這項技術用在藥物治療后小鼠身上，發(fā)現(xiàn)藥物最多漏過23%的轉(zhuǎn)移位點。這也給許多癌癥在治療后，總會出現(xiàn)復發(fā)提供了一種解釋。

當前，這一分析工具DeepMACT已經(jīng)開放使用。

“目前，腫瘤臨床試驗的成功率約為5% 。我們相信 DeepMACT 技術可以大大改善臨床前研究的藥物開發(fā)過程。因此，這可能有助于為臨床試驗找到更強大的候選藥物，并有望幫助挽救許多生命?！毖芯康耐ㄓ嵶髡?，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(jīng)發(fā)生轉(zhuǎn)移的小鼠處理成透明狀態(tài)。

并且，利用基于壓力驅(qū)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(shù)量級（100倍）。

然后，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(zhuǎn)移位點，甚至能檢測到單個癌細胞的最小轉(zhuǎn)移灶。

相比之下，此前的生物發(fā)光成像技術只能定位到較大的轉(zhuǎn)移灶。

△生物發(fā)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(shù)據(jù)還只是第一步。要知道，這些數(shù)據(jù)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(fā)了一種基于深度學習的新算法——DeepMACT。

核心架構是CNN。其結(jié)構類似于U-net，通過使用可檢測出癌癥特征的編碼單元深堆棧，以及在每個像素級別分割轉(zhuǎn)移灶的解碼單元堆棧，該網(wǎng)絡可以把轉(zhuǎn)移灶和背景信號區(qū)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(xiàn)對轉(zhuǎn)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(jié)果喂給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(zhuǎn)移灶的概率。

然后，用三個2D概率圖重建3D分割。如此一來，真陽性轉(zhuǎn)移灶的檢測可靠性增加了。同時，在各個投影中產(chǎn)生假陽性的非轉(zhuǎn)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(zhuǎn)移灶，紅色箭頭顯示“偽轉(zhuǎn)移灶”。在經(jīng)過CNN的加工之后，真轉(zhuǎn)移灶被成功檢測出來，而“偽轉(zhuǎn)移灶”則被消除了。

研究人員證明，DeepMACT的F1分數(shù)達到了80%，遠超現(xiàn)有的基于過濾器的檢測器。

并且，DeepMACT的檢測性能非常接近人類專家手動注釋的水平。

值得注意的是，人類專家的分數(shù)（83%）雖稍高于DeepMACT，但其錯過了大約29%的微小轉(zhuǎn)移灶。

也就是說，DeepMACT算法在檢測轉(zhuǎn)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(nèi)，完成手動檢測幾個月才能完成的工作。

現(xiàn)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(zhuǎn)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(zhuǎn)移灶

借助DeepMACT，研究人員還對現(xiàn)在的抗體藥物癌癥療法進行了評估。

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，并使腫瘤對化療的敏感性提高。

給小鼠移植癌細胞，9周后，靜脈注射6A10。

結(jié)果表明，6A10錯過了小鼠體內(nèi)多達23%的轉(zhuǎn)移灶。并且，雖然抗體藥物一共擊中了77%的轉(zhuǎn)移灶，但肺部被發(fā)現(xiàn)的微轉(zhuǎn)移灶（85%）明顯要比身體其余部分（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(yī)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(yōu)秀自費留學生獎學金，現(xiàn)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(jīng)學家，現(xiàn)年僅39歲，今年7月?lián)涡鲁闪⒌牡聡M織工程和再生醫(yī)學研究所主任。

從土耳其本科畢業(yè)后，他進入馬克斯·普朗克神經(jīng)生物研究所攻讀博士學位，同時他也是vDISCO透明技術的發(fā)明人，潘晨琛在他的團隊中發(fā)表了多篇該技術的相關論文，并登上了Nature子刊。

這項技術讓生物醫(yī)學研究可以觀察到完整的大腦和神經(jīng)元網(wǎng)絡，除了用于研究癌癥，還能用于阿茲海默癥等神經(jīng)科學問題。

癌癥攻堅進行時

最近，同樣是一篇來自華人學者的癌癥研究，登上了國際頂級學術期刊。

從中山大學畢業(yè)的吳思涵發(fā)現(xiàn)，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(zhuǎn)錄組當中，表達水平最高的。

AI在癌癥診療中的應用也越來越多，僅谷歌一家就在Nature子刊上發(fā)表數(shù)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(yī)生，將發(fā)現(xiàn)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(fā)明了一項結(jié)合傳統(tǒng)診療手段的儀器，在傳統(tǒng)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在癌癥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后來的研究者開發(fā)更有效的藥物，來消滅轉(zhuǎn)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

—?完?—