使用人工智能和機器學習尋找更快更準確的藥物測試方法

2022年1月5日整理發布：麥克馬斯特工程學院的一組學生研究人員應用機器學習和人工智能(AI)來檢測人體細胞在應對藥物治療時組織方式的變化——為更快、更準確地測試藥物鋪平了道路，例如藥物治療治療病毒和癌癥。

通過使用人工智能研究細胞自組織成其天然結構的能力——或者它們“應該”形成什么組織——該團隊的方法顯示的結果超出了測試藥物治療后細胞是否存活的基本參數。

“我們有興趣使用AI或深度學習，看看當它們在實驗室中生長時，它是否可以對肺細胞的兩種不同組織結構進行分類，”生物醫學工程碩士LyanAbdul說，他開始這項研究時是生命科學本科生。

阿卜杜勒說，肺泡細胞的一種組織結構——它們的原生結構——是一個帶有中空中心的球狀形狀，“就像一個甜甜圈”。

第二種結構更雜亂，更像是一個實心球體，這表明肺泡細胞的非天然結構。

“這是我們第一次將機器學習應用于藥物測試的圖像分析，”化學工程助理教授張博陽說，他在芯片實驗室雜志上發表的一篇論文中指導Abdul和合著者。

“我們用這兩種結構的示例圖像創建了一個數據集，并訓練人工智能機器分析組織結構是空心還是實心，”他補充道。

最終，人工智能機器檢測細胞結構的速度比阿卜杜勒手動檢測的速度快約20倍——并且具有更具體和無偏見的結果。

“通過這種方法，我們能夠發現在一定劑量下，一種叫做環孢菌素的藥物會以一種顯著的方式影響肺細胞的自組織，”她說，并強調如果不使用人工智能，她將不得不使用熒光染色法分析細胞結構。

她說，環孢菌素是一種常用于器官移植后的免疫抑制劑。

“熒光染色對細胞有害，而且對研究人員來說很耗時，因為每次染色都必須停止實驗，”Abdul補充道。“通過刪除這個過程并使用人工智能，細胞在三分鐘內完成分析，而我手動完成可能需要一個小時。”

麥克馬斯特BZhangLab的負責人張說，這僅僅是個開始，他致力于創造創新的生物技術解決方案，以改進現有的醫療保健方法。

“這是我們測試過的一個特定應用程序，現在有了我們實驗室中的這種機器學習功能，我們可以將其擴展到不同類型組織和器官系統的許多其他應用程序，”他說。

“下一步是訓練機器識別我們肉眼無法識別的模式——這是完全可行的。”

Abdul曾連續兩個夏天在麥克馬斯特獲得NSERC本科生研究獎，他說這項研究是本科生和研究生的巨大團隊努力。

該論文的共同作者是研究生ShravanthiRajasekar和DawnLin，以及本科生SibiRaja、AlexanderSotra、YuhangFeng和AmyLiu。

阿卜杜勒(Abdul)對嶄露頭角的學生研究人員有何建議?

“不要限制自己。一開始，我對人工智能或機器學習一無所知——不要讓它阻止你參與研究。”