每个人都有自己的基因和细胞特征，对于疾病也是，相同的疾病有自己独特的特征，无论在早期还是晚期，这种特征的把握则成了疾病发现和治疗的关键所在。
最近发表在《自然通讯》上的一项研究揭示了一个用于发现疾病细胞特征的新平台，该平台将用于研究患者细胞的机器人系统与用于图像分析的人工智能方法集成在一起。NYSCF研究所的科学家使用他们的自动化细胞培养平台与谷歌研究合作，通过创建和分析来自91名患者和健康对照组的超过一百万张皮肤细胞图像，成功识别了帕金森病的新细胞特征。
"传统的药物发现效果不是很好，特别是对于像帕金森氏症这样的复杂疾病，"NYSCF首席执行官SusanL.Solomon，JD指出。"NYSCF建立的机器人技术使我们能够从大量患者中生成大量数据，并发现新的疾病特征，作为发现实际有效的药物的全新基础。
"这是人工智能在疾病研究中的力量的理想证明，"谷歌研究院软件工程师MarcBerndl补充道。"我们与NYSCF进行了非常富有成效的合作，特别是因为他们先进的机器人系统创建了可重复的数据，可以产生可靠的见解。
将人工智能与自动化相结合
该研究利用NYSCF庞大的患者细胞库和最先进的机器人系统NYSCF全球干细胞阵列来分析来自91名帕金森病患者和健康对照组的数百万个细胞的图像。科学家使用该阵列从皮肤穿刺活检样本中分离和扩增称为成纤维细胞的皮肤细胞，用一种称为细胞绘画的技术标记这些细胞的不同部分，并创建数千张高内涵光学显微镜图像。将产生的图像输入到无偏倚的，人工智能驱动的图像分析管道中，识别特定于患者细胞的图像特征，可用于将其与健康对照区分开来。
"这些人工智能方法可以确定患者细胞有什么共同点，否则可能无法观察到，"谷歌研究院研究科学家SamuelJ.Yang说。"同样重要的是，这些算法是公正的-它们不依赖于任何关于帕金森病的先验知识或先入之见，因此我们可以发现全新的疾病特征。
最近基于特定疾病靶点和被认为是该疾病驱动因素的途径发现的药物的临床试验的高失败率强调了对帕金森氏症新特征的需求。使用无偏见的方法发现这些新的疾病特征，特别是在患者群体中，对诊断和药物发现具有价值，甚至揭示了患者之间的新区别。
"令人兴奋的是，我们能够区分患者细胞和健康对照组的图像，以及疾病的不同亚型，"NYSCF高级研究员BjarkiJohannesson博士指出。"我们甚至可以相当准确地预测细胞样本来自哪个供体。
药物发现应用
该团队确定的帕金森病特征现在可以用作对患者细胞进行药物筛查的基础，以发现哪些药物可以逆转这些特征。该研究还产生了最大的已知细胞绘画数据集（48TB）作为社区资源，可供研究社区使用。
值得注意的是，该平台与疾病无关，只需要患者易于访问的皮肤细胞。它也可以应用于其他细胞类型，包括NYSCF创建的诱导多能干细胞的衍生物，以模拟各种疾病。因此，研究人员希望他们的平台能够为许多传统药物发现不成功的疾病开辟新的治疗途径。
"这是第一个以如此高的精度和灵敏度成功识别疾病特征的工具，"NYSCF发现和平台开发高级副总裁DanielPaull博士说，"它识别患者亚组的能力对许多难治性疾病的精准医学和药物开发具有重要意义。
Integratingdeeplearningandunbiasedautomatedhigh-contentscreeningtoidentify
