Videnskab
 science >> Videnskab >  >> Fysik

AI-baseret cytometer detekterer sjældne celler i blod ved hjælp af magnetisk modulering og dyb læring

UCLAs beregningsmæssige cytometer. Kredit:UCLA Engineering Institute for Technology Advancement

Påvisning af sjældne celler i blod og andre kropsvæsker har mange vigtige anvendelser, herunder diagnostik, overvågning af sygdomsprogression og evaluering af immunrespons. For eksempel, påvisning og opsamling af cirkulerende tumorceller (CTC'er) i blod kan hjælpe med kræftdiagnostik, studere deres rolle i den metastatiske kaskade og forudsige patientresultater. Imidlertid, fordi hver milliliter fuldblod indeholder milliarder af blodlegemer, de sjældne celler (f.eks. CTC'er), der forekommer ved ekstremt lave koncentrationer (typisk lavere end 100-1000 celler pr. milliliter), er meget vanskelige at opdage. Selvom der er udviklet forskellige løsninger til at løse denne udfordring, eksisterende teknikker generelt er begrænset af høje omkostninger og lav gennemstrømning.

Forskere ved UCLA Henry Samueli School of Engineering har udviklet en ny cytometriplatform til at opdage sjældne celler i blod med høj kapacitet og lave omkostninger. Udgivet i Light:Science and Applications, denne nye cytometri teknik, betegnet magnetisk moduleret linseløs spikkelbilleddannelse, bruger først magnetisk perlemærkning til at berige målcellerne. Derefter placeres den berigede flydende prøve indeholdende magnetiske perlemærkede målceller under et skiftevis magnetfelt, hvilket får målcellerne til at svinge sidelæns med en fast frekvens. På samme tid, en laserdiode belyser prøven ovenfra, og en billedsensor placeret under prøven fanger en linsefri video med høj billedhastighed af det tidsvarierende optiske mønster, der genereres af prøven. Det registrerede spatiotemporale mønster indeholder de oplysninger, der er nødvendige for at detektere de oscillerende målceller.

Forskerne byggede en kompakt og billig prototype af dette beregningsmæssige linseløse cytometer ved hjælp af billedsensorer uden for hylden, laserdioder og elektromagneter, og brugte et specialbygget oversættelsestrin til at give billedenheden mulighed for at scanne flydende prøve, der er fyldt i et glasrør. Prototypen kan screene ækvivalent til ~ 1,2 ml fuldblodsprøve på ~ 7 minutter, mens den kun koster ~ $ 750 og vejer ~ 2,1 kg. Flere parallelle billedbehandlingskanaler kan også let tilføjes til systemet for yderligere at øge prøvegennemstrømningen.

For at sikre optimal følsomhed og specificitet af sjælden celledetektering, der blev udviklet en totrinsberegningsprocedure, som involverede en beregningsmæssig bevægelsesanalysealgoritme til at detektere mikroobjekter, der oscillerer ved den angivne skiftefrekvens, og derefter en dyb læringsbaseret klassifikationsalgoritme baseret på en tæt forbundet pseudo-3-D konvolutionsnervesystem (P3D CNN). Det dybe neurale netværk forbedrede i høj grad nøjagtigheden af ​​teknikken, hvilket resulterer i en påvisningsgrænse på 10 celler pr. milliliter fuldblod.

Denne AI-drevne cytometri teknik er afhængig af de magnetiske partikler til både celleberigelse og detektion, hvilket reducerer tid og omkostninger til påvisning af sjældne celler og samtidig opretholder en høj følsomhed. Denne kompakte, billige, men kraftfulde cytometri-systemer kan finde mange applikationer, især i ressourcebegrænsede indstillinger.

Varme artikler