使用肝脏有机体亮场图像开发用于DILI水平预测的AI模型
Shiyi Tan1,2, Yan Ding2, Wei Wang1,2
1Key Laboratory of Environmental Medicine Engineering of Ministry of Education, School of Public Health, Southeast University, Nanjing, China.
Communications biology
|June 7, 2025
概括
一个新的AI模型,DILITracer,使用人类肝脏有机体 (HLO) 图像预测药物诱导的肝损伤 (DILI). 这种非破坏性成像方法准确地选肝毒性化合物,有助于药物开发.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
- 毒理学 毒理学 毒理学
背景情况:
- 药物诱导性肝损伤 (DILI) 是药物戒断的主要原因之一.
- 人类肝脏器官 (HLOs) 为药物测试提供了生理上与动物模型相关的替代方案.
- 与光成像相比,实时亮场成像提供了具有成本效益的,非破坏性的细胞分析.
研究的目的:
- 使用HLO亮场图像开发一个DILI水平预测模型.
- 利用人工智能进行增强的3D特征提取和HLO的时空分析.
- 创建一个快速有效的查工具,用于肝毒性化合物.
主要方法:
- 利用BEiT-V2模型,在700,000个细胞图像上进行预训练,用于特征提取.
- 收集了用FDA DILIrank的30种化合物治疗的HLOs的亮场图像,在各种时间点和z轴上排列.
- 开发了一个计算机视觉模型,具有图像-空间-时间编码层,以分析HLO形态和DILI严重性.
主要成果:
- 在预测DILI水平方面,DILITracer模型实现了82.34%的整体准确性.
- 该模型成功地将HLO形态变化与DILI严重程度联系起来.
- 这代表了第一个实现药物诱导肝毒性三元分类的模型.
结论:
- DILITracer提供了一种快速有效的方法,用于选使用HLO亮场成像的肝毒性化合物.
- 基于人工智能的模型为DILI评估提供了传统动物模型的有希望的替代方案.
- 这种方法利用临床数据的终点来准确地分类肝毒性.
