利用自动化时隔显微镜与深度学习相结合,自动化殖民地形成试验
Anusha Klett1,2, Dennis Raith3,4, Paula Silvestrini1,2,5
1Collaborative Research Institute Intelligent Oncology (CRIION), Freiburg, Germany.
Frontiers in oncology
|March 6, 2025
概括
这项研究介绍了一种人工智能辅助的自动化殖民地形成试验 (CFA),用于实时癌细胞分析. 新方法提高了药物查效率和准确性,减少了癌症研究中的手工劳动.
科学领域:
- 癌症生物学 癌症生物学
- 生物技术是生物技术.
- 人工智能在医学中的应用
背景情况:
- 传统的殖民地形成试验 (CFA) 是劳动密集型的,并提供有限的动态治疗见解.
- 评估克隆扩张和药物疗效需要有效的癌细胞分析方法.
研究的目的:
- 开发一种人工智能 (AI) 辅助的自动化殖民地形成试验 (CFA),用于实时跟踪癌细胞殖民地形成.
- 克服传统CFA中手动计数的局限性.
主要方法:
- 利用时隔显微镜和深度学习对象检测网络 (YOLOv8) 进行自动化殖民地计数.
- 采用多对象跟踪来准确识别单个细胞,集群和殖民地.
- 在3D原基质中使用B型急性淋巴细胞白血病 (B-ALL) 细胞验证了平台.
主要成果:
- 实现了对象检测的86%mAP50和Z-stack殖民地识别的97%准确性.
- 成功应用了人工智能辅助的CFA来优化密度和确定IC50.
- 证明减少了劳动力,并在殖民地计数和药物有效性测试中提高了准确性.
结论:
- 人工智能辅助的自动化CFA能够高吞吐量,准确分析殖民地动态和治疗反应.
- 这个平台促进了对细胞相互作用和治疗效果的长期研究.
- 未来与 perfusion 系统的整合可以增强个性化癌症治疗.
