AI分析神經(jīng)元變化以檢測(cè)藥物是否對(duì)神經(jīng)退行性疾病患者有效

名古屋大學(xué)的一個(gè)研究小組開(kāi)發(fā)了人工智能來(lái)分析細(xì)胞圖像，利用機(jī)器學(xué)習(xí)來(lái)預(yù)測(cè)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(lái)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(méi)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(wú)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(cè)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?cè)凇犊茖W(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(guò)分析患病模型細(xì)胞與健康細(xì)胞的形狀變化來(lái)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(wú)法區(qū)分這些變化，”加藤教授解釋說(shuō)。“這是一種超高效的篩選技術(shù)，通過(guò)簡(jiǎn)單的圖像捕捉就能預(yù)測(cè)藥效，從而將藥效分析和評(píng)估所需的時(shí)間從幾十萬(wàn)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(cè)治療效果，無(wú)需復(fù)雜和侵入性的實(shí)驗(yàn)。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！