OrganoIDNet:一个深度学习工具,用于从时间分辨率成像数据中识别PDAC有机体-PBMC共同培养中的治疗效果
Nathalia Ferreira1, Ajinkya Kulkarni1, David Agorku2,3
1Translational Molecular Imaging, Max-Planck-Institute for Multidisciplinary Sciences, Göttingen, Germany.
Cellular oncology (Dordrecht, Netherlands)
|May 28, 2024
概括
这项研究介绍了OrganoIDNet,这是一种深度学习工具,用于实时监测胰腺癌器官对化疗和免疫治疗的反应. 它使胰腺管腺癌 (PDAC) 的个性化治疗评估成为可能.
科学领域:
- 在瘤学瘤学.
- 生物技术是生物技术.
- 人工智能的人工智能
背景情况:
- 胰腺管腺癌 (PDAC) 是一种具有挑战性的癌症,治疗选择有限.
- 有效的治疗策略和准确的反应评估对于PDAC至关重要.
- 临床前有机体模型对于研究PDAC和评估新治疗方法至关重要.
研究的目的:
- 开发和验证PDAC有机体对治疗反应的实时监测系统.
- 使用有机模型评估化疗 (gemcitabine) 和免疫疗法 (Atezolizumab) 的疗效.
- 研究免疫细胞 (PBMCs) 在PDAC有机体对免疫疗法的反应中的作用.
主要方法:
- 已建立的PDAC有机体和外围血液单核细胞 (PBMC) 的现体成像共培.
- 开发了OrganoIDNet,这是一个深度学习算法,用于分析有机体的明亮场图像.
- 通过使用活细胞成像和CellTiter-Glo.验证,研究了对gemcitabine和Atezolizumab的反应,有或没有PBMCs.
主要成果:
- 在时间的推移中,OrganoIDNet准确地检测了PDAC有机体中的尺寸特异性gemcitabine反应.
- 该系统区分了有机体的健康状况,并测量了治疗引起的异常度.
- 器官/PBMC共同培养显示了阿特佐利祖马布在PBMC介导的瘤杀伤中增强的功效.
结论:
- 使用OrganoIDNet优化的PDAC有机体成像准确检测化疗反应.
- 器官/免疫细胞共同培养能够实时监测免疫治疗效果.
- 这个平台提供了动态的见解,用于个性化评估PDAC治疗.
