来自基因组调控中心（CRG）、巴斯克大学（UPV/EHU）、多诺斯蒂亚国际物理中心（DIPC）和比斯开生物物理基金会（FBB）等机构的研究人员团队，在疾病诊断方面通过人工智能（AI）取得了重大进展。他们最近发表在《自然机器智能》杂志上的研究揭示了一种新的AI工具——AINU（核AI），该工具能够区分癌细胞和正常细胞，并检测病毒早期感染阶段。这一进展可能带来更好的诊断技术，以及新的疾病监测策略，从而改善医疗保健。
AINU通过扫描使用STORM（随机光学重建显微镜）方法获得的高分辨率细胞图像来工作。与普通显微镜不同，STORM可以捕捉到细胞结构的纳米级细节。为了形象说明这一尺度，一纳米（nm）等于十亿分之一米，而一根人类头发的宽度约为100,000纳米。一张超分辨率的HeLa癌细胞图像使用两种颜色展示了特定的核成分，使研究人员能够在纳米级分辨率下看到细胞核内的详细结构。（图片来源：钟丽梅）
AINU可以检测到小至20纳米的细胞变化，这比人类头发的宽度小5,000倍。这些细微的变化通常传统方法难以识别，但通过AI的高级成像分析变得可识别。CRG的ICREA研究教授兼共同通讯作者Pia Cosma解释说：“这些图像的分辨率足以让我们的AI以惊人的准确性识别特定模式和差异，包括细胞内DNA排列的变化。这种能力有一天可以为医生提供宝贵的时间来监测疾病，个性化治疗，并改善患者预后。”
AINU属于卷积神经网络类别，这是一种特别适合处理图像等视觉数据的AI架构。这种网络常见于面部识别软件或使自动驾驶汽车能够识别道路上物体的系统。在医学领域，类似的AI模型通过分析如乳腺X光片和MRI等扫描图像，帮助医生识别可能被肉眼忽略的疾病迹象。
AINU通过检测和分析细胞内的微小结构，特别是细胞核内的结构来工作。研究人员通过向AI提供各种细胞类型和状态的纳米级分辨率图像进行训练。这使得模型能够学习细胞核内成分在三维空间中的分布和组织方式，然后根据观察到的核特征对细胞进行分类。
例如，癌细胞通常在其核结构中显示出明显的变化，如DNA排列或酶分布的改变。经过训练后，AINU能够扫描新的细胞图像，并仅基于这些特征准确判断它们是否为癌细胞。其精确度不仅限于癌症检测——AINU还能在细胞感染单纯疱疹病毒1型后的短短一小时内识别出变化。这些早期检测能力源于AI识别DNA紧密度微小变化的能力，这是病毒活动改变细胞结构的标志。
UPV/EHU的Ikerbasque研究员兼共同通讯作者Ignacio Arganda-Carreras表示：“我们的方法可以在感染开始后不久就检测到受病毒感染的细胞。通常情况下，医生需要时间才能发现感染，因为他们依赖于可见的症状或身体的较大变化。但有了AINU，我们可以立即看到细胞核内的微小变化。”他补充说，这种快速检测可以帮助研究人员更好地了解病毒在感染初期如何与细胞相互作用，从而有助于开发更有效的治疗方法和疫苗。
广东省人民医院的研究员兼该研究的共同第一作者钟丽梅展望了临床应用，她说：“AINU可以在医院和诊所中用于快速诊断感染，只需简单的血液或组织样本，使诊断过程更快、更准确。”
然而，这项技术在临床应用之前仍面临挑战。STORM成像需要主要存在于研究实验室中的专用设备，这使得将这项技术引入常规医疗环境变得困难。此外，目前用于STORM的成像技术一次只能分析少数细胞。为了使该工具在临床诊断中有效，医生需要能够快速高效地处理大量细胞。
尽管存在这些障碍，Cosma仍然乐观。“STORM成像技术正在迅速发展，这意味着显微镜可能很快就会出现在规模较小或专业性较低的实验室中，甚至最终进入临床。可访问性和通量的限制比我们以前认为的更容易解决，我们希望尽快进行临床前实验。”虽然临床应用可能还需要几年时间，但研究人员预计AINU将在短期内显著影响科学研究。AI可以高精度地识别多能干细胞——这些细胞可以发育成体内的任何类型细胞——这对于旨在修复或替换受损组织的疗法至关重要。
CRG的研究员兼该研究的第一作者Davide Carnevali强调了其对干细胞研究的影响，他说：“目前检测高质量干细胞的方法依赖于动物测试。然而，我们的AI模型只需要用特定标记染色的样本，这些标记突出了关键的核特征。这不仅更容易、更快，还可以加速干细胞研究，同时有助于减少科学中对动物的使用。”
AINU代表了细胞分析的一大进步，为疾病诊断和治疗策略的改进提供了潜在的发展方向。尽管仍有许多工作要做，但这种AI工具的前景表明，未来早期疾病检测、个性化治疗和高效的干细胞疗法将变得更加普及和精确。
(全文结束)
