研究人员开发了一种名为AINU的人工智能，它可以通过纳米级分辨率的图像区分癌细胞和正常细胞，并检测细胞中的早期病毒感染。这可能会带来更快、更准确的疾病诊断和更好的患者预后。

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，位于生物物理研究所）的研究人员开发了一种人工智能，可以区分癌细胞和正常细胞，并检测细胞内病毒感染的非常早期阶段。今天（8月27日）在《自然机器智能》杂志上发表的研究报告中的发现为改进诊断技术和制定新的疾病监测策略铺平了道路。

这款名为AINU（NUcleus的AI）的工具可以扫描细胞的高分辨率图像。这些图像是通过一种称为STORM的特殊显微技术获得的，该技术可以生成比普通显微镜能看到的更细微细节的图像。这些高清快照揭示了纳米级分辨率下的结构。

纳米（nm）是十亿分之一米，而一根人发的宽度约为10万纳米。该AI能够检测到细胞内小到20纳米的变化，即比人发宽度小5000倍。这些变化对于人类观察者来说过于微小和微妙，仅通过传统方法是无法发现的。

用人工智能革新疾病检测

“这些图像的分辨率足以让我们的AI以极高的准确性识别出特定的模式和差异，包括DNA在细胞内的排列方式的变化，有助于在变化发生后不久就发现它们。我们认为，有一天，这种类型的信息可以为医生节省宝贵的时间来监测疾病、个性化治疗并改善患者预后，”ICREA研究教授、该研究的共同通讯作者及巴塞罗那基因组调控中心研究员Pia Cosma表示。

爱奴是一种卷积神经网络，是一种专门设计用来分析图像等视觉数据的人工智能。卷积神经网络的例子包括使用户能够通过面部解锁智能手机的人工智能工具，或自动驾驶汽车通过识别道路上的物体来理解和导航环境所使用的其他工具。

在医学领域，卷积神经网络被用来分析医学图像，如乳房X光检查或CT扫描，并识别可能被人眼忽略的癌症迹象。它们还可以帮助医生检测MRI扫描或X光图像中的异常，从而更快更准确地诊断疾病。

训练阿伊努人进行癌症和病毒检测

AINU 在分子层面检测和分析细胞内的微小结构。研究人员通过向模型提供不同状态下不同类型细胞核的纳米级分辨率图像来训练该模型。该模型通过分析核组分在三维空间中的分布和排列方式，学会了识别细胞中的特定模式。

例如，与正常细胞相比，癌细胞的核结构有明显变化，如DNA的排列方式或核内酶的分布发生改变。经过训练后，AINU可以仅根据这些特征来分析新的细胞核图像，并将其分类为癌细胞或正常细胞。

图像的纳米级分辨率使人工智能能够在细胞被1型单纯疱疹病毒感染后仅一小时就检测到细胞核中的变化。该模型可以通过发现DNA包装紧密程度的微小差异来检测病毒的存在，这种差异发生在病毒开始改变细胞核结构时。

走向临床应用及未来

该研究的共同通讯作者、UPV/EHU的Ikerbasque副研究员Ignacio Arganda-Carreras与圣塞瓦斯蒂安/多诺斯蒂亚的FBB-Biofisika研究所和DIPC合作表示：“我们的方法能够在病毒感染刚开始后不久就检测到已被感染的细胞。通常情况下，医生发现感染需要一些时间，因为他们依赖可见的症状或身体发生的较大变化。但有了AINU，我们可以立即看到细胞核发生的微小变化。”

“研究人员可以使用这项技术来观察病毒在进入人体后几乎立即对细胞产生的影响，这有助于开发更好的治疗方法和疫苗。在医院和诊所，AINU可用于通过简单的血液或组织样本快速诊断感染，使过程更快更准确，”该研究的第一作者兼中国广州广东省人民医院（GDPH）的研究员钟丽梅补充道。

克服临床应用中的技术局限性

在这项技术准备好在临床环境中进行测试或部署之前，研究人员必须克服重要的局限性。例如，STORM图像只能使用通常在生物医学研究实验室中才能找到的专用设备拍摄。设置和维护AI所需的成像系统需要在设备和技术专长方面进行大量投资。

另一个限制是，STORM成像通常一次只能分析几个细胞。出于诊断目的，特别是在速度和效率至关重要的临床环境中，医生需要在单个图像中捕获更多的细胞数量，以便能够检测或监测疾病。

“在STORM成像领域有很多快速发展，这意味着显微镜很快就可以在较小或不太专业的实验室中使用，甚至最终可以在临床中使用。我们之前认为，可访问性和吞吐量的限制是更难解决的问题，但我们希望很快进行临床前实验，”科斯马博士说。

AINU与干细胞研究的未来

尽管临床效益可能需要数年才能实现，但AINU有望在短期内加速科学研究。研究人员发现，该技术能够以极高的精度识别干细胞。干细胞可以发育成体内的任何类型的细胞，这种能力被称为多能性。人们研究多能性细胞，是为了探索其在帮助修复或替换受损组织方面的潜力。

AINU 能够使检测多能干细胞的过程更快、更准确，有助于使干细胞疗法更安全、更有效。“当前检测高质量干细胞的方法依赖于动物试验。然而，我们所有的 AI 模型需要做的就是一份用特定标记物染色的样本，这些标记物突出了关键的核特征。除了更简单、更快之外，它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，”该研究的第一作者、CRG 研究人员 Davide Carnevali 表示。

参考文献：2024年8月27日，《自然·机器智能》。DOI：10.1038/s42256-024-00883-x