在癌症患者中循环瘤细胞检测使用内流深度学习全息学

科学领域:

• 生物医学工程 生物医学工程
• 癌症研究 癌症研究
• 微流体学 微流体学

背景情况:

• 循环瘤细胞 (CTC) 是癌症管理的重要生物标志物,但由于数量较少和异质性,难以检测.
• 现有的CTC检测方法在灵敏度和特异性方面面临挑战,可能缺少关键细胞群.

研究的目的:

• 通过使用数字全息显微镜 (DHM) 和深度学习,开发和验证一种简化系统,用于增强CTC计数.
• 提高CTC检测的灵敏度和特异性,特别是针对EpCAM阴性细胞.

主要方法:

• 惯性微流体的集成用于细胞丰富与双模态成像 (全息和光).
• 应用深度学习模型进行实时细胞对细胞形态分析.
• 补充了免疫光分析,以提高计数准确度.

主要成果:

• 在晚期前列腺癌患者中,与健康对照人群相比,CTC计数显著增加.
• 实现了1细胞/毫升的低患者水平虚假阳性率.
• 确定了大量的CTC是EpCAM阴性但PSMA阳性,挑战传统的检测标记.

结论:

• 基于DHM的系统为高通量CTC识别提供了强大的,无标签的方法.
• 拟议的平台增强了CTC检测的灵敏度和特异性,特别是对于具有挑战性的细胞类型.
• 这些发现强调了EpCAM作为唯一标记物的局限性,并强调了DHM在癌症查,诊断和精确瘤学方面的潜力.