使用3D微流体膀癌模型与基于卷积神经网络的图像分析相结合,预测抗癌药物耐药性
Sungho Tak1,2, Gyeongjin Han1, Sun-Hee Leem3,4
1Research Center for Bioconvergence Analysis, Korea Basic Science Institute, Cheongju, Republic of Korea.
Frontiers in bioengineering and biotechnology
|January 25, 2024
概括
这项研究引入了一种人工智能驱动的器官芯片系统,用于预测膀癌的耐药性. 这种创新方法可以准确地识别不同的抗药性水平,帮助个性化治疗策略.
科学领域:
- 尿瘤学 尿瘤学
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 膀癌是一种普遍存在的尿道恶性瘤,复发率高.
- 由于耐药性,个体患者对抗癌药物的反应因药物耐药性而异.
- 预测耐药性对于有效的膀癌治疗至关重要.
研究的目的:
- 开发和验证与人工智能集成的器官芯片系统,以预测膀癌的抗癌药物耐药性.
- 评估系统在区分不同级别的杰姆西塔耐药性的准确性.
- 在膀癌中提供个性化治疗选择的工具.
主要方法:
- 开发一个3D微流体器官芯片系统,与内皮细胞共同培养膀癌细胞 (T24).
- 使用四种不同的耐吉他T24细胞系 (亲属,早期,中期,晚期).
- 用卷积神经网络 (CNN) 来对2,674个细胞图像进行分析,以对抗水平进行分类.
主要成果:
- 美国有线电视新闻网在区分药物耐药性水平方面取得了95.2%的准确性.
- 高诊断性能,平均灵敏度为90.5%,特异性为96.8%.
- 曲线下的面积 (AUC) 值始终超过0.988,表明出色的预测能力.
结论:
- 集成的人工智能器官芯片系统有效预测膀癌的耐药性.
- 这项技术可以帮助预测患者对药物的反应,并指导治疗决策.
- 该系统为泌尿瘤学中个性化医疗提供了一个有前途的方法.
