使用人工智能和机器学习寻找更快更准确的药物测试方法

2022年1月5日整理发布：麦克马斯特工程学院的一组学生研究人员应用机器学习和人工智能(AI)来检测人体细胞在应对药物治疗时组织方式的变化——为更快、更准确地测试药物铺平了道路，例如药物治疗治疗病毒和癌症。

通过使用人工智能研究细胞自组织成其天然结构的能力——或者它们“应该”形成什么组织——该团队的方法显示的结果超出了测试药物治疗后细胞是否存活的基本参数。

“我们有兴趣使用AI或深度学习，看看当它们在实验室中生长时，它是否可以对肺细胞的两种不同组织结构进行分类，”生物医学工程硕士LyanAbdul说，他开始这项研究时是生命科学本科生。

阿卜杜勒说，肺泡细胞的一种组织结构——它们的原生结构——是一个带有中空中心的球状形状，“就像一个甜甜圈”。

第二种结构更杂乱，更像是一个实心球体，这表明肺泡细胞的非天然结构。

“这是我们第一次将机器学习应用于药物测试的图像分析，”化学工程助理教授张博阳说，他在芯片实验室杂志上发表的一篇论文中指导Abdul和合著者。

“我们用这两种结构的示例图像创建了一个数据集，并训练人工智能机器分析组织结构是空心还是实心，”他补充道。

最终，人工智能机器检测细胞结构的速度比阿卜杜勒手动检测的速度快约20倍——并且具有更具体和无偏见的结果。

“通过这种方法，我们能够发现在一定剂量下，一种叫做环孢菌素的药物会以一种显着的方式影响肺细胞的自组织，”她说，并强调如果不使用人工智能，她将不得不使用荧光染色法分析细胞结构。

她说，环孢菌素是一种常用于器官移植后的免疫抑制剂。

“荧光染色对细胞有害，而且对研究人员来说很耗时，因为每次染色都必须停止实验，”Abdul补充道。“通过删除这个过程并使用人工智能，细胞在三分钟内完成分析，而我手动完成可能需要一个小时。”

麦克马斯特BZhangLab的负责人张说，这仅仅是个开始，他致力于创造创新的生物技术解决方案，以改进现有的医疗保健方法。

“这是我们测试过的一个特定应用程序，现在有了我们实验室中的这种机器学习功能，我们可以将其扩展到不同类型组织和器官系统的许多其他应用程序，”他说。

“下一步是训练机器识别我们肉眼无法识别的模式——这是完全可行的。”

Abdul曾连续两个夏天在麦克马斯特获得NSERC本科生研究奖，他说这项研究是本科生和研究生的巨大团队努力。

该论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)对崭露头角的学生研究人员有何建议?

“不要限制自己。一开始，我对人工智能或机器学习一无所知——不要让它阻止你参与研究。”