图片来源：Osaka University

        近日，一项刊登在国际杂志Cancer Research上的研究报告中，来自日本大阪大学的科学家们通过研究揭示了如何通过一种基于人工智能的系统来克服上述问题，研究者指出，这种基于人工智能的系统能通过扫描显微图像并获得比人类判断更高的准确率，来有效识别不同类型的癌细胞，这种方法或能给肿瘤学领域的研究带来革命性的突破。

        这种系统基于一种卷积神经网络，卷积神经网络就是一种以人类视觉系统为模型的人工智能模式，这项研究中，研究人员能利用这种人工智能系统有效区分小鼠和人类机体中的癌细胞，同时还能区分出对放疗产生耐受性的癌细胞。研究者Hideshi Ishii说道，我们首先利用从相差显微镜上获得的8000张细胞图像来对这种人工智能系统进行训练，同时利用另外2000张图像来检测该系统的准确性，从而观察是否该系统能够学会图像的特征并有效地将小鼠机体的癌细胞与人类机体的癌细胞相区分，以及将对放疗耐受的细胞与对放疗敏感的细胞相区分。

        在创建被该系统获得的二维图谱时，每种细胞类型的结果都会被聚集在一起，同时也能与其它细胞明显分离，研究者表示，当被训练后，该系统就能够根据细胞单独的显微图像来有效识别出不同类型的细胞。研究者Masayasu Toratani说道，这种人工智能系统在识别不同细胞类型上的自动化和高准确率或能用来确定肿瘤中存在的细胞类型或癌症患者机体中循环的癌细胞类型；比如，在决定放疗是否有效时了解是否存在对放疗耐受的细胞是至关重要的，而同样的方法也适用于患者治疗后，来观察其治疗是否达到了预期的效果。

        未来，研究人员希望能训练这种人工智能系统识别出更多的癌细胞类型，最终建立一种通用全面性的系统来帮助科学家们自动高效化地识别不同类型的癌细胞。（生物谷Bioon.com）

原始出处：

Masayasu Toratani, Masamitsu Konno, Ayumu Asai, et al. A Convolutional Neural Network Uses Microscopic Images to Differentiate between Mouse and Human Cell Lines and Their Radioresistant Clones, Cancer Research(2018). DOI: 10.1158/0008-5472.CAN-18-0653