細胞治療製造におけるゼロショット顕微鏡画像解析を可能にする基盤モデルカスケード
Rui Qi Chen1, Yeonju Lee1, Benjamin Joffe2
1H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, Georgia, USA.
Cytotherapy
|February 28, 2026
まとめ
本研究では、自動細胞治療製造のための新しい基盤モデルカスケードを紹介します。このゼロショットアプローチにより、広範なデータラベリングなしに細胞数と生存率のリアルタイム監視が可能になります。
科学分野:
- バイオテクノロジー
- プロセス分析技術（PAT）
- 製造における人工知能
背景:
- スケーラブルな細胞治療製造には、高度なプロセス分析技術（PAT）が必要です。
- 顕微鏡画像の自動解析は、重要な品質属性の監視に不可欠です。
- 従来の機械学習モデルは、データラベリングと一般化可能性に関する課題に直面しています。
研究 の 目的:
- 細胞治療製造における顕微鏡画像の解析のための堅牢なゼロショット方法を開発すること。
- データ要件とバッチ効果の一般化可能性に関する従来の機械学習モデルの限界を克服すること。
主な方法:
- 大規模言語モデル（LLM）とセグメント・エニシング・モデルを統合した基盤モデルカスケードが採用されました。
- LLMは初期の異常検知を実行し、異常な画像のアラートをトリガーします。
- 異常のない画像については、インスタンスセグメンテーションとLLMベースの分類により、細胞数と生存率が推定されます。
主要な成果:
- 統合されたゼロショットアプローチは、堅牢な異常検知を達成しました。
- タスク固有のファインチューニングなしに、細胞数と細胞の健康状態の定量的測定値が得られました。
- この方法は、異なるバッチ効果に対する一般化可能性を示しました。
結論:
- 事前学習済みの基盤モデルをカスケードで組み合わせることで、リアルタイムプロセス監視のための一般化可能なソリューションが提供されます。
- このアプローチは、スケーラブルで自動化された細胞治療製造のためのフィードバック制御を容易にします。
- 開発された方法は、自動化されたバイオ製造プロセスの進歩をサポートします。
