单片囊表面蛋白质分析和基于机器学习的双图像分析,用于乳腺癌检测
Mitchell Lee Taylor1, Madhusudhan Alle1, Raymond Wilson1
1Department of Chemistry, The University of Memphis, Memphis, TN 38152, USA.
Nanomaterials (Basel, Switzerland)
|November 8, 2024
概括
一种新的人工智能驱动的方法准确地分析血液中的细胞外囊泡 (EVs),使HER2阳性乳腺癌的早期检测和监测成为可能. 这项技术量化了特定的EV标记,提高了诊断能力.
科学领域:
- 生物医学工程 生物医学工程
- 在瘤学瘤学.
- 纳米技术 纳米技术
背景情况:
- 细胞外囊泡 (EVs) 的单囊泡分子分析对于癌症的检测和监测至关重要.
- 双成像单囊技术 (DISVT) 提供了一种量化目标电动汽车的方法,但由于虚假信号和大量数据,分析挑战仍然存在.
研究的目的:
- 为电动汽车开发一种基于机器学习的全自动双成像分析方法.
- 应用这种人工智能辅助的DISVT来检测和分期HER2阳性乳腺癌.
主要方法:
- 一个卷积神经网络 (Resnet34) 与转移学习被用于图像分析.
- 该模型使用实验数据和合成数据的组合进行了训练.
- 在乳腺癌患者和健康捐赠者的血样本中量化了EpCAM和CD24阳性EV的部分.
主要成果:
- 在健康捐赠者和I期乳腺癌患者中,EpCAM阳性和CD24阳性EVs是可以忽略不计的.
- 在EPCAM阳性EV中,EV分数从第二阶段 (18%) 增加到第三阶段 (29%),CD24阳性EV的趋势类似.
- 这两种标志物都检测到HER2阳性乳腺癌在II,III或IV阶段,除了III和IV阶段以外的不同阶段.
结论:
- 人工智能辅助的DISVT提供了一个简单,敏感和高效的平台,用于定量EV亚型的表征.
- 这项技术对基础研究和癌症诊断中的临床应用都有很大的潜力.
- 开发的方法使用EV标志物分析准确检测和分期HER2阳性乳腺癌.
