近日，一项刊登在国际杂志Nature Machine Intelligence上的研究报告中，来自屯特大学等机构的科学家们通过研究成功对肿瘤细胞进行了追踪并揭示了其背后隐藏的信息;癌症患者机体血液中循环的肿瘤细胞是进行疾病早期诊断、判断疗法成功及患者预后的重要生物标志物，但由于很少会有肿瘤细胞进行循环，因此对其进行研究就是目前科学家们所面临的巨大挑战之一。

　　图片来源：University of Twente

　　这项研究中，研究人员利用人工智能技术就能够以较高的精准度实现肿瘤细胞循环的自动化控制，此外，研究者所开发的新技术不仅能够检测肿瘤细胞，还能揭示其背后隐藏的信息;此外，研究者还对在细胞相互作用中发挥重要作用的胞外囊泡(extracellular vesicles)进行了分类。

　　循环肿瘤细胞会从原始肿瘤位点释放并开始在血管中移动，其在癌症转移开始及发生过程中扮演着非常关键的角色，在患者血液中检测循环肿瘤细胞或能提供疗法有效性和患者预后相关的重要信息;由于循环肿瘤细胞的数量极少，因此利用荧光显微镜对循环肿瘤细胞进行计数具有劳动密集型的特性，即使对于一个能够有效识别循环肿瘤细胞的专家而言工作量也很巨大，而本文中研究人员所开发的新型自动化手段或许就能提供超过96%的准确率。

　　研究人员为现有的方法开发了一种开源的识别包，同时证明了其临床意义，新方法能使用自动化学习的模式将其准确性提升到一个更高的水平，而先进的可视化技术则能从血液样本中获取更多相关的信息，比如不同类型的循环肿瘤细胞、以及胞外CD45囊泡等，其就能为细胞之间的协作提供更多的额外信息，目前研究人员对这些囊泡进行了大量的研究。

　　研究人员使用大量良好标记的例子来训练这种深度学习网络，随后它们就能自行学习和发挥功能，通常还会比人类做得更好，而实际的学习过程是如何发生的，以及这种深度学习网络在内部到底做了哪些选择都是不太透明的，深度学习网络在本质上就是一个黑匣子，由于额外的建模和基于半监督自编码的可视化步骤，来自网络的信息或许要比预期更多;这就好比我们通过黑匣子里的一个小窗口看到了学习的一部分，不同类型的循环肿瘤细胞、白细胞和囊泡就能被有效进行区分。

　　研究者表示，我们开发的这种名为ACCEPT的开源成像分析程序能与检测循环肿瘤细胞的CellSearch技术相结合，目前该技术已经在某些医院开始使用，随着深度学习技术的发展，自动检测技术未来将会得到进一步地提高。

　　文章来源网络，如有侵权，请联系删除。