基于微流体的患者衍生疾病检测工具,用于深度学习辅助的精准医学

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 癌症的异质性使预后和治疗复杂化,推动了对先进诊断工具的需求.
• 目前用于癌症评估的方法可能耗时,需要大量的手动输入.
• 液体活检为癌症检测和监测提供了一种最少的侵入性方法.

研究的目的:

• 开发和验证智能疾病检测工具 (IDDT) 用于常规癌症预后和治疗评估.
• 将微流体瘤模型与深度学习相结合,用于液体活检的自动化分析.
• 为准确的临床决策创建一个以患者为中心,具有成本效益的工具.

主要方法:

• 开发基于微流体的瘤模型,用于高通量3D瘤培养.
• 集成先进的深度神经网络 (Mask R-CNN,视觉变压器,SAM) 用于自动化分析和细分.
• 使用71名癌症患者和健康捐赠者的液体血液活检样本进行临床验证.

主要成果:

• IDDT 实现了高性能,平均交界度超过联盟 (mIoU) 为 0.902,并减少了高达 90% 的手动标签时间.
• 快速图像分析 (每张图像<2秒) 使得有效的临床队列分类成为可能.
• 该工具精确地对健康的捐赠者 (n=12) 和癌症患者 (n=55) 进行了分层,精度高 (99.3%) 和灵敏度高 (98%).

结论:

• IDDT为癌症检测和预后提供了一个智能,无标签和具有成本效益的解决方案.
• 这项技术为癌症患者提供了精确的医疗决策和个性化治疗策略.
• 基于微流体的方法与深度学习相结合,显示出在瘤学中常规临床应用的巨大潜力.