首次看清体内所有癌症转移灶，中国留学生一作论文登《细胞》封面

　　边策 乾明 鱼羊 发自 亚龙湾
　　量子位 报道 公众号  QbitAI

　　癌症为什么被称为绝症？为什么难治？

　　其实不全在于原始的癌细胞，核心在于转移及其并发症。它的生长力非常强，只要脱落或粘连到哪里，哪里就会生出新肿瘤。

　　而且这个过程毫无规律，很难抑制，导致当前的癌症疗法很难实现根治效果，业内的统计数据显示，有 90% 的癌症死亡是转移导致的。

　　而且转移后的癌细胞到底去了哪里，我们很难发现，虽然现在有生物发光、核磁共振等成像技术，但是分辨率都不够高，无法对全身细胞进行全面的检测。

　　但最新一期登上Cell封面的研究，让我们第一次看清了癌症转移后所有病灶。

　　来自德国的研究团队开发出了一种基于深度学习的新型算法DeepMACT，能内在细胞水平自动检测和分析整个小鼠身体中的癌症转移。

　　这篇论文的第一作者潘晨琛博士说：“DeepMACT 是第一种能够对全身（癌细胞）转移过程进行定量分析的方法。”

　　基于这项技术，人类能够看到其单个癌细胞形成的转移位点，这也是科学家首次完成这一壮举。

　　而且所使用的时间不到一个小时，准确率比肩人类专家，效率提高了 300 倍以上。以往如此工作量，让人类来做可需要数月时间才能完成。

　　他们将这项技术用在药物治疗后小鼠身上，发现药物最多漏过 23% 的转移位点。这也给许多癌症在治疗后，总会出现复发提供了一种解释。

　　当前，这一分析工具 DeepMACT 已经开放使用。

　　“目前，肿瘤临床试验的成功率约为5% 。我们相信 DeepMACT 技术可以大大改善临床前研究的药物开发过程。因此，这可能有助于为临床试验找到更强大的候选药物，并有望帮助挽救许多生命。”研究的通讯作者，也是潘晨琛的导师 Ali Ertürk 表示。

　　vDISCO 成像技术

　　第一步，是通过vDISCO方法，把癌细胞的荧光蛋白信号增强 100 倍以上。

　　vDISCO 成像技术同样来自论文通讯作者 Ali Ertürk 的团队，共同一作是蔡瑞瑶和潘晨琛。

　　通过这项技术，研究人员可以把癌细胞已经发生转移的小鼠处理成透明状态。

　　并且，利用基于压力驱动、纳米抗体的全身免疫标记技术，vDISCO 可以将癌细胞的荧光蛋白信号增强两个数量级（100 倍）。

　　然后，将透明小鼠从头到脚进行光片显微镜成像，所有光片图像组合起来就能获得小鼠完整的 3D 图像。

　　这样一来，研究人员就能揭示所有肿瘤转移位点，甚至能检测到单个癌细胞的最小转移灶。

　　相比之下，此前的生物发光成像技术只能定位到较大的转移灶。

生物发光技术(A-G) vs vDISCO (M-N)

　　DeepMACT 深度学习算法

　　获得了高分辨率的成像数据还只是第一步。要知道，这些数据的体量非常庞大，手动进行分析将是非常耗时的过程。

　　为了解决这个问题，研究人员开发了一种基于深度学习的新算法——DeepMACT。

　　核心架构是 CNN。其结构类似于U-net，通过使用可检测出癌症特征的编码单元深堆栈，以及在每个像素级别分割转移灶的解码单元堆栈，该网络可以把转移灶和背景信号区分开。

　　具体而言，DeepMACT 是通过 CNN 处理小的子体积的 2D 投影，来实现对转移灶的检测和图像分割。

　　首先，导出每个子体积的三个 2D 最大强度投影（与x轴、y轴和z轴对齐），增强信噪比。

　　将投影结果喂给 CNN，得到 2D 概率图。其中每个像素值代表该像素在给定投影下识别出转移灶的概率。

　　然后，用三个 2D 概率图重建 3D 分割。如此一来，真阳性转移灶的检测可靠性增加了。同时，在各个投影中产生假阳性的非转移性组织则被妥善地忽略掉了。

　　举个例子，在上面这张图中，绿色箭头指向真正的转移灶，红色箭头显示“伪转移灶”。在经过 CNN 的加工之后，真转移灶被成功检测出来，而“伪转移灶”则被消除了。

　　研究人员证明，DeepMACT 的 F1 分数达到了80%，远超现有的基于过滤器的检测器。

　　并且，DeepMACT 的检测性能非常接近人类专家手动注释的水平。

　　值得注意的是，人类专家的分数（83%）虽稍高于 DeepMACT，但其错过了大约 29% 的微小转移灶。

　　也就是说，DeepMACT 算法在检测转移灶的准确率上足以与人类专家相媲美，而速度则提高了 300 倍以上。

　　论文共同一作 Oliver Schoppe 表示：

仅需单击几下，DeepMACT 即可在不到一个小时的时间内，完成手动检测几个月才能完成的工作。

现在，我们能够在日常工作中，对单个扩散的癌细胞进行高通量转移分析了。

DeepMACT 处理时长 vs 人类专家处理时长

　　抗体药物错过了 23% 的转移灶

　　借助 DeepMACT，研究人员还对现在的抗体药物癌症疗法进行了评估。

　　以人类碳酸酐酶 XII（CA12）为例，抗体药物 6A10 能够阻断其活性，延缓肿瘤的生长，并使肿瘤对化疗的敏感性提高。

　　给小鼠移植癌细胞，9 周后，静脉注射 6A10。

　　结果表明，6A10 错过了小鼠体内多达23%的转移灶。并且，虽然抗体药物一共击中了 77% 的转移灶，但肺部被发现的微转移灶（85%）明显要比身体其余部分（66%）多。

　　一作是中国青年科学家

　　这篇论文来自德国组织工程和再生医学研究所，有三位贡献相同的第一作者，分别是 Oliver Schoppe、Arnaldo Parra-Damas 以及一位中国留学生潘晨琛。

　　潘晨琛，曾获得 2017 年“国家优秀自费留学生奖学金，现在慕尼黑大学 Ali Ertürk 副教授的团队中攻读博士学位。

　　Ali Ertürk，是一位来自土耳其的神经学家，现年仅 39 岁，今年 7 月担任新成立的德国组织工程和再生医学研究所主任。

　　从土耳其本科毕业后，他进入马克斯·普朗克神经生物研究所攻读博士学位，同时他也是vDISCO 透明技术的发明人，潘晨琛在他的团队中发表了多篇该技术的相关论文，并登上了 Nature 子刊。

　　这项技术让生物医学研究可以观察到完整的大脑和神经元网络，除了用于研究癌症，还能用于阿兹海默症等神经科学问题。

　　癌症攻坚进行时

　　最近，同样是一篇来自华人学者的癌症研究，登上了国际顶级学术期刊。

　　从中山大学毕业的吴思涵发现，染色体外的 DNA 也会携带癌基因，而且这部分基因是肿瘤的整个基因转录组当中，表达水平最高的。

　　AI 在癌症诊疗中的应用也越来越多，仅谷歌一家就在 Nature 子刊上发表数篇研究。

　　今年 5 月，谷歌用 AI 诊断早期肺癌，准确率超越了人类医生，将发现的病历增加了5%，同时假阳性的错误率降低了 11%。

　　另外谷歌还发明了一项结合传统诊疗手段的仪器，在传统显微镜上加装深度学习算法加持的 AR 成像设备，在茫茫的组织切片细胞中准确找出癌细胞。

　　但是 AI 在癌症的病理方面的研究还不是很多，来自 Ali Ertürk 团队的新研究将帮助后来的研究者开发更有效的药物，来消灭转移的癌细胞。

　　传送门

　　《细胞》论文地址：

　　https://doi.org/10.1016/j.cell.2019.11.013