Исследователи из Токийского медицинского и стоматологического университета (TMDU) создали систему искусственного интеллекта DeepACT, которая может идентифицировать здоровые и продуктивные стволовые клетки кожи точнее и быстрее, чем человек, рассматривающий каждую клетку под микроскопом.
Стволовые клетки кератиноцитов используются для лечения наследственных заболеваний кожи и для выращивания кожных трасплантатов, которые используются для восстановления ожоговых повреждений. Это один из немногих типов взрослых стволовых клеток, которые легко вырастить в лаборатории. Здоровые кератиноциты движутся быстрее, чем менее здоровые клетки, поэтому их можно идентифицировать глазом с помощью микроскопа. Однако этот процесс отнимает много времени, трудоемок и подвержен ошибкам.
С помощью процесса глубокого обучения, используя библиотеку образцов изображений, исследователи создали систему искусственного интеллекта DeepACT, которая автоматически идентифицирует и отслеживает подвижность и пригодность стволовых клеток.
Они протестировали DeepACT на группе изображений и обнаружили, что результаты были очень точными по сравнению с ручным анализом.
DeepACT также вычисляет индекс движения каждой колонии – коэффициент, показывающий, насколько быстро движутся клетки в центральной части колонии по сравнению с клетками в периферической области. Чем выше индекс движения, тем больше шансов у этой колонии вырасти, чем при более низком индексе движения. Таким образом, данный показатель позволяет определять стволовые клетки, подходящие для выращивания новой кожи, необходимой ожоговым пациентам.
DeepACT включает в себя два основных модуля: идентификацию кератиноцитов человека с одноклеточным разрешением по фазово-контрастным изображениям культур и отслеживание движения кератиноцитов в колонии с помощью модели пространства состояний. Поскольку колонии стволовых клеток кератиноцитов человека демонстрируют уникальный паттерн движения, DeepACT может отличать колонии стволовых клеток кератиноцитов от колоний, полученных не из стволовых клеток, анализируя пространственную и скоростную информацию клеток.
Пересадка кожи может быть неудачной, если в трансплантате содержится много слабых или непродуктивных стволовых клеток, и возможность быстро и точно идентифицировать наиболее подходящие клетки является важным клиническим преимуществом. Автоматизированный контроль качества также может быть полезен для промышленного производства стволовых клеток и снизит производственные затраты.
Статья T.Hirose et al. Label-free quality control and identification of human keratinocyte stem cells by deep learning-based automated cell tracking опубликована в журнале Stem Cells.
Аминат Аджиева, портал «Вечная молодость» vechnayamolodost.ru по материалам TMDU: AI spots healthy stem cells quickly and accurately.
