基于使用可解释AI的光学成熟度特征的iPSC-CM的非侵入性成熟度评估
Fabian Scheurer1,2, Alexander Hammer1, Mario Schubert3
1Institute of Biomedical Engineering, TU Dresden, Fetscherstr. 29, Dresden 01307, Germany.
Computational and structural biotechnology journal
|September 8, 2025
概括
我们开发了一个人工智能工具,通过视频分析自动评估人类诱导多能干细胞衍生心肌细胞 (iPSC-CM) 的成熟度. 这种非侵入性方法准确地分类iPSC-CM成熟度,提高了实验可重现性.
科学领域:
- 心血管研究研究心血管研究
- 干细胞生物学 干细胞生物学
- 人工智能在医学中的应用
背景情况:
- 人类诱导的多能干细胞衍生心肌细胞 (iPSC-CMs) 对于药物发现至关重要,但表现出不成熟的表型.
- 目前成熟iPSC-CM的方法是劳动密集型的,可能会损害细胞.
- 评估iPSC-CM成熟度对于可靠的实验结果至关重要.
研究的目的:
- 开发一种非侵入性,自动化的方法来分类iPSC-CM成熟度.
- 利用人工智能 (AI) 和基于视频的运动分析进行成熟度评估.
- 提高iPSC-CM研究的效率和可重复性.
主要方法:
- 收集了IPSC-CM在不同成熟阶段 (d21和d42与成熟介质) 的230个视频录像.
- 使用Maia软件提取了10个运动特征,并使用支持矢量机 (SVM)进行分类.
- 使用网格搜索和5倍交叉验证优化了SVM超参数.
主要成果:
- 人工智能模型在测试组上对iPSC-CM成熟度进行分类时获得了高精度 (99.5%±1.1%).
- 沙普利添加式解释 (SHAP) 确定了关键特征:移位,放松-上升时间和殴打持续时间.
- 该方法显示了降低功能测定和药物测试变异性的潜力.
结论:
- 与人工智能相结合的非侵入性光学运动分析为评估iPSC-CM成熟度提供了可靠的工具.
- 这种方法可以在功能读数或药物查之前进行整合.
- 自动化成熟度评估可以提高基于iPSC-CM的研究的可复制性.
