AI驱动的超快技术可以直观地识别没有图像的细胞

来自科学初创公司和学术研究人员的团队发明了一种名为Ghost Cytometry的新细胞识别和分选系统。该系统将新颖的成像技术与人工智能相结合，以前所未有的高吞吐速度识别和分选细胞。领导该项目的科学家希望他们的方法将用于识别和分类患者血液中循环的癌细胞，加快药物发现，并提高基于细胞的医疗疗法的质量。

“幽门细胞计数将帮助需要在实验室中对细胞进行分类的研究人员，并使需要快速准确分离和诊断细胞样本的临床医生和患者受益，”东京大学副教授Sadao Ota说。

在2018年6月15日发表在“科学”杂志上的一篇文章中，研究人员证明了Ghost Cytometry可以对至少两种不同类型的细胞进行分类，这些细胞具有相似的大小和结构，只有很少的错误识别细胞。Ghost Cytometry可以每秒超过10,000个细胞的速率识别细胞，并以每秒数千个细胞的速率将细胞分成适当的组。现有的细胞分选机不能区分具有这种相似外观的细胞类型。使用显微镜的人类专家通常每秒识别和排序少于10个细胞，有时准确度较低。

Ghost Cytometry名称指的是该技术如何分析最小光波数据而不将任何光数据转换成图像;它是无图像成像技术。目前识别不同类型细胞的方法依赖于细胞的显微镜图像，然后通过计算机图像识别程序或人类观察者对其进行分类。依靠完整的图像使得实时，高通量的细胞分选成为难以实现的目标。

“在这个项目开始时，我们是一个由设备简陋的房间里的年轻科学家组成的小团队。由于我们有限的资源，我们专注于使用信息的最有效方式，而不是创造更好的硬件。这导致我们的想法不是以传统方式开发新的基于图像的技术，而是将视觉信息转换为允许通过机器学习进行快速处理的格式，“Ota说。Ota是开发该技术的光学成像专家，生物工程师，生物物理学家和机器学习专家的跨学科研究小组的成员。该研究团队的一些成员还成立了ThinkCyte，一家旨在将设备商业化的公司。

“有时没有污渍，染料或其他生物标记可以有效地标记不同类型的细胞或同一细胞的不同激活状态。这就是Ghost Cytometry对临床医生，患者和研究人员特别有价值的一次，”大田。

在Ghost Cytometry中，细胞通过单个像素检测器相机下方的窄通道一次冲一个，该相机检测每个细胞发出的荧光波。这种对光波的解释无需将其转换为完整图像，这使得Ghost Cytometry成为无图像视觉系统。配备有机器学习算法的电路连接到单像素检测器相机，并且学习每种细胞类型的独特光波模式以在10微秒内识别细胞。然后，电路发送电信号，以便在细胞流过时将细胞推入正确的分类途径。

机器学习系统不需要图像来分析细胞，但如果研究人员需要图像进行额外分析，单像素探测器摄像头确实能够捕获足够的信息，以数字方式重建通过细胞计数系统的细胞的传统二维图像需要图像进行其他分析。

目前的Ghost Cytometry方法涉及用荧光染料染色细胞，荧光染料以独特的方式自然地为任何细胞类型着色。正在进行的研究项目正在探索更先进的机器学习程序和成像技术可以完全消除对荧光染色的需求的可能性。

这是第一种超快速荧光成像激活细胞分选技术，它可以在高通量下将特定细胞类型与物理相似细胞的混合物分离。ThinkCyte计划今年与研究机构合作，使用Ghost Cytometry开展肿瘤学和再生医学临床研究项目。该公司还开发了Ghost C