Science子刊：利用纳米信息学和人工智能，癌细胞中的颗粒摄取可以预测恶性肿瘤和耐药性

　　

最近的一项研究引入了一种结合纳米信息学和机器学习的新方法来精确预测癌细胞的行为，从而能够识别具有药物敏感性和转移潜力等独特特征的细胞亚群。这项研究可能会改变癌症的诊断和治疗，通过促进从患者活组织检查中快速准确地检测癌细胞行为来增强个性化医疗，并可能导致开发新的临床试验来监测疾病进展和治疗效果。

希伯来大学的一个研究小组开发了一种新的方法，可以高精度地预测癌细胞的行为，这是与癌症作斗争的一个重要进展。这种创新的方法结合了纳米信息学和机器学习，可以通过快速识别具有不同生物行为的癌细胞亚群来彻底改变癌症的诊断和治疗。

在一项由医学院药学院博士生Yoel Goldstein和Ofra Benny教授领导的新研究中，希伯来大学工程与计算机科学学院计算生物学系主任Tommy Kaplan教授与希伯来大学合作，开发了一种利用纳米信息学和机器学习预测癌细胞行为的创新方法。这一发现可能会导致癌症诊断和治疗方面的重大突破，使人们能够通过简单快速的测试来识别具有不同特征的癌细胞亚群。

研究的初始阶段是将癌细胞暴露在不同大小的颗粒中，每个颗粒都有独特的颜色。随后，每个细胞消耗的颗粒的精确数量被量化。然后，机器学习算法分析这些摄取模式，以预测关键的细胞行为，如药物敏感性和转移潜力。

“我们的方法是新颖的，因为它能够区分看起来相同但在生物水平上表现不同的癌细胞，”约尔·戈尔茨坦详细解释说，“这种精度是通过对细胞如何吸收微粒子和纳米粒子的算法分析实现的。能够收集和分析新型数据为该领域带来了新的可能性，通过开发新工具，有可能彻底改变临床治疗和诊断。”

这项研究为可能对患者护理产生重大影响的新型临床试验铺平了道路。本尼教授说:“这一发现使我们有可能利用患者活检的细胞来快速预测疾病进展或化疗耐药性。”“它还可能导致创新血液测试的发展，例如评估靶向免疫治疗的疗效。”

目前预测和检测癌症的工具往往缺乏准确性和效率。成像扫描和组织活检等传统方法可能是侵入性的、昂贵的、耗时的，导致治疗延误和潜在的误诊。这些方法可能无法捕捉到癌症进展的动态性质，并且可能导致在细胞水平上对疾病行为的有限见解。因此，患者可能会经历诊断延误，治疗效果欠佳，心理困扰增加。这凸显了对更有效和非侵入性诊断工具的迫切需求，就像希伯来大学的研究人员最近取得的突破一样，这代表了个性化医疗的重大进步，为癌症患者提供了更有效和定制的治疗策略。