AFM与机器学习相结合用于膀胱癌的非侵入性诊断

膀胱癌是美国主要的死亡原因之一虽然早期诊断对提高生存率至关重要，但目前的诊断和监测方法，包括膀胱镜检查、活检和肿瘤切除，都是侵入性的和昂贵的。由塔夫茨大学(Tufts university)领导的一个科学家团队现在开发了一种非侵入性方法，通过在纳米尺度上绘制细胞表面特征和地形，利用原子力显微镜(AFM)和机器学习来识别患者尿液中的癌细胞。研究人员说他们的技术代表了AFM首次被用于帮助诊断疾病,和建议以及更准确的与膀胱镜检查相比,下有可能应用于检测方法收集的其他形式的癌症或非癌变细胞内异常体液,以及监控细胞对药物的反应。

塔夫茨大学工程学院(Tufts University School of engineering)机械工程和生物医学工程教授伊戈尔·索科洛夫(Igor Sokolov)博士说，“通过引入一种比侵入性目视检查更准确的非侵入性诊断方法，我们可以显著降低患者的成本和不便。”“我们所需要的只是尿液样本，这样我们不仅可以在治疗后更有效地监测患者，还可以更容易地筛查可能有癌症家族史的健康人，并有可能检测出癌症的发展程度。”确定早期筛选和分级检测的效率是我们未来研究的一项单独而重要的任务。”

Sokolov博士是研究人员发表在《美国国家科学院院刊》(PNAS)上的一篇论文的第一作者，这篇论文的标题是“使用机器学习分析细胞表面纳米洗脱图像的无创诊断成像:膀胱癌的检测”。

膀胱癌是世界上最常见的癌症之一，2018年美国估计有81190例膀胱癌，17240人死亡。早期诊断的患者5年生存率高达95%，但转移性疾病患者5年生存率下降到10%。目前诊断的黄金标准方法包括膀胱镜检查(通过尿道将摄像机送入膀胱)、活检以便检查细胞，以及随后的肿瘤切除。接受治疗的患者复发率为50-80%，因此仍需每3-6个月进行侵入性、昂贵的膀胱镜检查以监测患者。

“对频繁膀胱镜检查的要求使得膀胱癌成为每位患者诊断、监测和治疗费用最高的癌症，”作者说。他们指出，膀胱镜检查在某些膀胱肿瘤的分级和位置上也显示出有限的准确性。我们需要的是一种成本更低、更准确、对患者友好的方法。“一种低成本、准确、有效和无创的检测方法将极大地扩大患者对筛查和早期检测评估项目的参与，因为它将减少患者的不适和潜在的术后并发症，同时它可以帮助改善诊断、监测和监视，作为膀胱镜检查的辅助手段和/或消除不必要的膀胱镜检查。”

塔夫茨大学领导的科学家们现在开发出一种诊断方法，利用AFM和机器学习方法对从患者尿液中提取的细胞进行成像和分析。AFM包括用悬臂梁扫描表面，悬臂梁在经过表面轮廓时发生偏转。每一次偏转都被记录下来，形成一张分辨率只有纳米几分之一的地形图。悬臂梁的挠度也可以反映试样的物理性质，如AFM探头与试样表面之间的附着力。

科学家们利用这项技术分析了43名对照组和25名病理确诊的膀胱癌患者的尿液样本。从每张图像中分析的表面参数集，包括粗糙度、方向性和分形属性。使用机器学习能够更准确地识别这些参数。

结果证实膀胱癌患者尿液中提取的细胞与对照细胞具有不同的特征，可以通过AFM和机器学习方法进行识别。令人鼓舞的是，当这项新技术仅用于检测每个尿液样本的5个细胞时，其灵敏度超过了90%，而目前使用尿液样本的非侵入性诊断方法的灵敏度为20-80%。现有的无创检测包括生物标志物NMP22的生物化学评价、荧光原位杂交的遗传分析或免疫细胞化学。基于afm的方法的特异性也与其他测试的特异性相当，为82-98%。

作者说，虽然他们的方法需要对更多病人的样本进行评估，但它可以被无缝地整合到当前的临床实践中。另一个好处是AFM技术只需要少量随机选择的细胞。“正如我们所展示的，我们的AFM方法的准确性高于目前使用的临床标准，膀胱镜检查，以及目前使用的非侵入性方法，如VUC(排尿细胞学)和生化评估，”他们写道。“引入时,它将帮助促进筛查,减少过度诊断(目前实质性的问题),因此,不必要的和昂贵的医疗程序…的数量描述方法可以扩展到检测其他癌症和其他非恶性的细胞异常的检测以及细胞对各种药物(nanopharmacology)的反应。因此，我们希望所描述的方法可能是生物医学成像的一个新方向。

Sokolov博士说:“AFM已经存在了30多年，但这是它第一次在临床诊断方面显示出希望。”“这种诊断方法的准确性似乎比目前的膀胱癌临床诊断标准要好，但我们需要在更大的患者群体中对这种方法进行测试，然后才能将其应用于临床实践。”我们希望AFM最终可以应用于检测其他类型的肿瘤，如胃肠道、结肠直肠癌和宫颈癌。