名古屋大學(xué)的一個(gè)研究小組開發(fā)了人工智能來分析細(xì)胞圖像，利用機(jī)器學(xué)習(xí)來預(yù)測藥物的治療效果。這項(xiàng)名為 in silico FOCUS 的新技術(shù)可能有助于發(fā)現(xiàn)肯尼迪病等神經(jīng)退行性疾病的治療藥物。
目前對(duì)神經(jīng)退行性疾病的治療通常具有嚴(yán)重的副作用，包括性功能障礙和阻礙肌肉組織形成。然而，由于缺乏有效的篩選技術(shù)來辨別藥物是否有效，研究人員尋找新的、危害較小的治療方法受到了阻礙。一個(gè)有前途的概念是“異常辨別概念”，這意味著對(duì)治療有反應(yīng)的神經(jīng)元與沒有反應(yīng)的神經(jīng)元在形狀上略有不同。然而，這些細(xì)微的差別很難用肉眼辨別。當(dāng)前的計(jì)算機(jī)技術(shù)也太慢而無法執(zhí)行分析。
名古屋大學(xué)教授小組，由藥學(xué)研究科的加藤副教授和助理教授 Kei Kanie，以及醫(yī)學(xué)研究科的 Masahisa Katsuno 教授和助理教授 Madoka Iida 領(lǐng)導(dǎo)，在細(xì)胞模型上測試了 AI正在接受肯尼迪病的治療，這是一種導(dǎo)致運(yùn)動(dòng)神經(jīng)元死亡的神經(jīng)退行性疾病。in silico FOCUS 構(gòu)建了一個(gè)強(qiáng)大的基于圖像的分類模型，該模型在識(shí)別模型細(xì)胞的恢復(fù)狀態(tài)方面具有 100% 的準(zhǔn)確度。他們在《科學(xué)報(bào)告》雜志上發(fā)表了他們的研究結(jié)果。
“這項(xiàng)技術(shù)可以通過分析患病模型細(xì)胞與健康細(xì)胞的形狀變化來對(duì)治療劑的效果進(jìn)行高度敏感和穩(wěn)定的評(píng)估，我們通常無法區(qū)分這些變化，”加藤教授解釋說。“這是一種超高效的篩選技術(shù)，通過簡單的圖像捕捉就能預(yù)測藥效，從而將藥效分析和評(píng)估所需的時(shí)間從幾十萬個(gè)細(xì)胞的幾個(gè)小時(shí)縮短到幾分鐘。它可以實(shí)現(xiàn)高度準(zhǔn)確的預(yù)測治療效果，無需復(fù)雜和侵入性的實(shí)驗(yàn)。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！