人工智能快速准确地识别出健康的干细胞

研究人员设计了一个基于深度学习的系统，能够准确识别在人工条件下生长的单个皮肤干细胞，并跟踪它们的运动。利用该系统对干细胞培养进行质量控制，可以提高再生医学中移植皮片的生长速度和效率，也可用于其他类型的干细胞培养。

　　

在今年2月发表在《干细胞》(Stem Cells)杂志上的一项研究中，东京医科和牙科大学(TMDU)的研究人员报告称，他们的人工智能系统DeepACT可以像人类一样准确地识别健康、富有创造力的皮肤干细胞。

干细胞能够发育成几种不同类型的成熟细胞，这意味着它们可以在受伤或疾病的情况下生长出新的组织。角质形成细胞(皮肤)干细胞被用于治疗遗传性皮肤病和生长用于修复大面积烧伤的皮肤。

角质形成细胞干细胞是少数几种在实验室中生长良好的成体干细胞之一。最健康的角质形成细胞比不健康的细胞移动得更快，所以它们可以用显微镜被眼睛识别出来。”“然而，这种方法是费时的、劳动密集的、容易出错的。”

为了解决这一问题，研究人员致力于开发一种能够自动识别并跟踪这些干细胞运动的系统。

“我们使用样本图像库，通过一个叫做‘深度学习’的过程来训练这个系统，”共同第一作者Kotoku Jun'ichi说。“然后我们在一组新的图像上测试了它，发现与人工分析相比，结果非常准确。”

除了检测单个干细胞，DeepACT系统还计算每个集落的“运动指数”，这表明集落中心区域的细胞与边缘区域的细胞相比移动得有多快。运动指数最高的菌落比运动指数较低的菌落生长良好的可能性要大得多，这使它们成为移植给烧伤患者的新皮肤的良好候选材料。

资深作者Daisuke Nanba表示:“DeepACT是一种对人类角质形成细胞干细胞进行精确质量控制的强大新方法，将使这一过程更加可靠和高效。”

考虑到皮肤移植如果包含太多不健康或无效的干细胞就会失败，能够快速而容易地识别出最合适的细胞将是一个相当大的临床优势。自动化质量控制对于干细胞的工业制造也很有价值，有助于确保稳定的细胞供应和降低生产成本。

Journal Reference:

1. Takuya Hirose, Jun'ichi Kotoku, Fujio Toki, Emi K. Nishimura, Daisuke Nanba. Label-free quality control and identification of human keratinocyte stem cells by deep learning-based automated cell tracking. STEM CELLS, 2021; DOI: 10.1002/stem.3371