日本東京工科大學應用生物學部的杉山友康教授與電腦科學學部的龜田弘之教授等人組成的研究團隊，開發出了識別癌症幹細胞和非癌症幹細胞的人工智慧（AI）技術。該技術利用AI識別培養細胞或癌組織的相差顯微鏡影像中的癌症幹細胞的細胞形態，可以明確顯示出癌症幹細胞，有望應用於以癌症幹細胞是否存在爲指標的藥物評估和病理組織診斷等。
這是東京工科大學舉全校之力推進的專案「AI研究會」的研究成果，相關論文已於2020年6月19日發表在開放存取期刊《Biomolecules》上。
圖1：利用AI識別影像中含有的癌症幹細胞並生成影像
【背景】
腫瘤依靠名爲「癌症幹細胞」的非常少的細胞羣維持生存，所以靶向癌症幹細胞的冶癒方法備受關注。作爲研究工具，科學家開始利用各種癌症幹細胞的培養細胞。部分研究人員認爲，幹細胞會呈現特徵性的細胞形態，但一直沒有簡單評估幹細胞乾性的方法。另一方面，近年來，基於AI的影像生成技術「條件生成對抗網路」（CGAN）透過轉列對應的2個影像，可以使完成學習的AI轉換源影像，並生成接近實際影像的影像。此次研究就利用CGAN，開發了識別癌症幹細胞生成影像的AI技術。
【成果】
研究團隊利用相差影像拍攝細胞和組織影像，並用AI深度學習了影像中含有的癌症幹細胞的形態。癌症幹細胞的學習用影像使用僅保持幹細胞性質的細胞發螢光的Nanog-GFP報告基因的螢光影像。由此，深度學習了利用培養皿培養的癌症幹細胞的AI，識別了與實際影像相比相似性和靈敏度平均約爲40％、獨特性爲97％的相差影像中含有的癌症幹細胞，並生成了癌症幹細胞的影像（圖1）。深度學習腫瘤組織的癌症幹細胞的AI，識別精度低於學習培養皿中的癌症幹細胞的AI。該結果也表明，對腫瘤組織中存在的癌症幹細胞和非癌症幹細胞進行組織診斷時，AI生成的影像可用作判斷材料。
AI能檢測出沒有特別標記的癌症幹細胞，表明未來的醫學生物學及醫療還存在新的可能性。根據細胞的不同，讓AI學習各種癌症幹細胞的細胞形態，有望將其應用於新的檢測技術，比如「評估培養的癌症幹細胞的乾性」、「腫瘤組織的癌症幹細胞診斷」等。另外，在生命科學和醫學領域的影像解析中，未確定形態的解析也能應用這種使用AI的研究方法。
論文資訊
題目：Deep Learning of Cancer Stem Cell Morphology Using Conditional Generative Adversarial Networks
期刊：《Biomolecules》
DOI：10.3390/biom10060931
文：JST客觀日本編輯部
