用原子力显微镜和机器学习检测人类膀上皮癌细胞
Mikhail Petrov1, Nadezhda Makarova1, Amir Monemian2
1Department of Mechanical Engineering, Tufts University, Medford, MA 02155, USA.
Cells
|January 10, 2025
概括
原子力显微镜 (AFM) 与机器学习相结合,可以准确识别膀癌细胞. 这种技术得到了多道成像的增强,显示出非侵入性膀癌检测的巨大潜力.
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:
- 非侵入性膀癌检测至关重要.
- 具有机器学习的原子力显微镜 (AFM) 显示出从尿液中识别膀癌细胞的前景.
- 之前的研究由于患者队列较小和统计学意义较小而存在局限性.
研究的目的:
- 为了证实AFM识别膀癌细胞的能力.
- 提高基于AFM的膀癌检测的准确性和统计意义.
- 为临床开发建立一个严格的技术基础.
主要方法:
- 利用了基因净化的人类膀上皮细胞系的受控模型系统.
- 应用AFM分析细胞粘附图,并将癌细胞与非恶性细胞进行比较.
- 使用机器学习算法处理的AFM数据,包括Ringing模式中的多通道成像.
主要成果:
- 使用标准AFM粘附图,以91%的准确度达到0.97的ROC曲线下的面积 (AUC).
- 通过多通道AFM成像增强检测,达到AUC0.99和93%的准确性.
- 在受控模型系统中证明了统计学上显著的结果 (p < 0.0001).
结论:
- 与机器学习相结合的AFM是一种非常准确的方法来识别膀癌细胞.
- 多通道AFM成像进一步提高了检测准确度.
- 这项研究为基于AFM的膀癌检测提供了强有力的技术验证,支持未来的临床应用.
