使用人工智能改进细胞疗法试验:对细胞在矩阵上的自动定量图像分析
Alexander M Bornschlegl1, Allan B Dietz1
1Department of Lab Medicine and Pathology, Division of Experimental Pathology, Mayo Clinic, 200 1st Street SW, Rochester, MN 55905, USA.
Tissue & cell
|July 29, 2025
概括
一种由人工智能驱动的成像方法准确地计算了用于细胞治疗的支架培养中的活细胞和死细胞. 这种自动化方法比传统软件提高了数据准确性,有助于流程优化和发布测试.
科学领域:
- 细胞疗法细胞疗法
- 生物技术是生物技术.
- 图像分析 图像分析
背景情况:
- 细胞治疗的进步利用了像3D支架这样的定向传递方法.
- 精确的细胞计数和可行性评估对于流程优化至关重要.
- 目前用于细胞量化的手动方法是劳动密集型的,并且具有有限的动态范围.
研究的目的:
- 开发和验证一种基于光成像的简单,自动化和定量化的方法,用于在支架培养中计数活细胞和死细胞.
- 将传统图像量化软件的性能与训练有素的人工智能 (AI) 软件进行细胞计数和可行性分析.
- 评估基于人工智能的方法是否适用于增强细胞疗法开发.
主要方法:
- 优化了实验室设备,以在支架培养中实现统一的成像场.
- 对比传统的图像量化软件 (Gen5) 与训练有素的人工智能软件 (Aiforia) 进行细胞计数和可行性.
- 使用光成像与酸用于死细胞检测.
主要成果:
- 人工智能软件 (Aiforia) 显示活细胞计数与播种度 (r2=0.96) 之间存在很高的相关性.
- 传统软件 (Gen5) 对活细胞计数没有相关性 (r2=0.09).
- 两种方法都显示了死亡细胞计数的相关性 (r2=0.90),表明可比检测.
结论:
- 训练有素的AI软件显著提高了复杂的支架背景中细胞计数的数据准确性.
- 基于人工智能的图像分析为细胞治疗应用提供了更一致和定量化的解决方案.
- 这种自动化方法支持细胞疗法开发中的流程优化和释放测试.
