新AI算法加速癌症诊断和治疗决策

New AI algorithm speeds up cancer diagnosis and treatment decisions

弗吉尼亚联邦大学马西综合癌症中心的研究人员开发了一种新型算法，该算法可能为确定患者的最佳治疗方案提供革命性的工具——无论是癌症治疗还是药物处方。最近发表在《自然通讯》上的研究中，Jinze Liu博士和Kevin Byrd博士创建了基于多重成像数据的细胞类型阈值分配（TACIT），该算法根据细胞标记表达谱来分配细胞身份。TACIT将细胞识别时间从超过一个月缩短到几分钟，为研究人员节省了宝贵的时间和资源。

TACIT是由Liu（马西研究中心成员，VCU公共卫生学院生物统计学系教授）和Byrd（马西研究中心副研究员，VCU牙科学院口腔和颅面分子生物学助理教授）共同开发的。该算法使用来自大脑、肠道和唾液腺等主要身体系统超过500万个细胞的数据来区分细胞，提供了比现有模型更优越的准确性和可扩展性。现有的模型由于标记集有限，往往无法分离预期的细胞群体。

“我们正在利用人工智能来提高效率和诊断准确性。随着我们获得更多的数据，TACIT提高患者预后的潜力只会增加。”马西研究中心成员Jinze Liu博士说。

在他们的出版物中，Liu和Byrd展示了TACIT在准确性和可扩展性方面优于三种现有的无监督方法，同时整合了细胞类型和状态以揭示新的细胞关联。TACIT在不同类型的测试（如基因和蛋白质数据）之间表现出高度一致性，使结果更加可信。对于患者来说，这意味着可以更快地得到诊断，避免不必要的治疗，或者被匹配到更有可能帮助他们的临床试验。对于医生来说，这提供了一种强大的方式来看清体内真正发生的情况。

TACIT的应用范围广泛。“作为科学家，我们的目标之一是为临床试验确定良好的空间生物标志物，以便在患者入组之前预测他们对试验的反应，”Liu说。“我们已经在与VCU校园内的多个首席研究员合作，将空间生物学纳入临床试验，而TACIT可以提供指导，确保临床试验患者接受最佳的治疗。”

Byrd补充说：“你可以使用TACIT将合适的患者纳入试验——同样重要的是，不将错误的患者纳入试验。目前我们没有很好的工具来做到这一点，但TACIT非常强大。”

Liu和Byrd还看到了TACIT在药理学领域的应用前景，该算法可以利用RNA标记来推动护理。

“如果你告诉患者他们不能参加临床试验，这不是好消息，特别是如果没有任何其他选择的话，”Byrd说。“但这些RNA标记实际上非常好且可扩展，这使我们能够预测对患者有用的药物和结果。”

“我们有一个大型的FDA批准药物库，可以将其映射到组织样本上。想象一下，你可以告诉患者，‘这里有一种已经FDA批准的药物。’这样患者就不会被招募到一种新的试验药物中，而这种药物他们可能不需要或从中获益不多。”

此外，TACIT适用于多种空间生物学应用，允许Liu和Byrd在现有数据集的基础上进一步增强算法的工作。“我们有时开玩笑说TACIT就像一块罗塞塔石碑，”Byrd说。“你可以看到所有这些不同类型的数据都变成了同一种语言，对我们来说，我们可以在此基础上进行构建。有很多机会可以在很多方面使用TACIT，从蛋白质到器官系统再到不同的疾病类型。”

Liu和Byrd的工作还展示了一种新技术，他们捕获了幻灯片蛋白质组学和转移蛋白质组学，并找到了将这两种不同设备链接起来的方法，以创建细胞多组学，使研究人员能够同时研究多个标记。以前，研究人员只能利用单细胞组学。

来源：

弗吉尼亚联邦大学

期刊参考：

Huynh, K. L. A., 等 (2025). 利用TACIT在空间多组学中解卷积细胞类型和状态。《自然通讯》。doi.org/10.1038/s41467-025-58874-4。

(全文结束)