流式细胞术通过检测和测量流经液体流中的细胞和颗粒的化学、荧光和物理特性来工作。该技术通过使细胞通过激光束并收集散射或发射的光来分析细胞。流式细胞术在免疫学中用于免疫谱型，在肿瘤学中用于癌细胞标志物鉴定，在药物发现中用于基于细胞的筛选，在临床诊断中用于检测白血病和感染等疾病。
基于图像的流式细胞术（IFC）是一种高级方法，可以彻底量化和分析复杂样本中的细胞，实现对生物过程的整体理解。该方法结合了计算分析、光学显微镜和流式细胞术，有助于研究各种过程，如疾病相关改变、细胞分化和细胞间相互作用。
流式细胞术在生物技术中的应用
人工智能在流式细胞术图像分析中的作用
人工智能（AI）和机器学习（ML）正在改变流式细胞术，特别是在基于图像的流式细胞术（IFC）中，通过显著改善数据分析。AI的学习能力和适应性在从IFC生成的高维数据中挖掘知识方面发挥着重要作用，从而实现更准确的分析。ML算法在快速图像处理中广泛应用于高级IFC系统中的分割工具。深度学习通过为样本图像中的每个像素分配标签或类别，实现复杂结构/细胞的语义分割。卷积神经网络（CNN）对手动选择的分割参数依赖较少，可生成更高质量的结果。研究表明，通用ML方法可以解决由采集系统不完善引起的图像伪影和畸变问题。深度学习和IFC已用于区分与细胞储存病变相关的临床上重要的红细胞形态。在商业IFC中，ML算法已用于无标记的白血病监测、白细胞识别和无标记的细胞周期识别。尽管早期阶段使用了传统的特征提取和分类器（如梯度提升、随机森林、支持向量机、k近邻和AdaBoost），但后来基于深度学习的算法（如PyramidNet、NasNet、VGG、AlexNet和传统CNN）因其优化后的高预测准确性而受到关注。
最近发表在《Computacion y Sistemas》上的一项工作引入了基于深度学习的精子头部和鞭毛分类和分割方法，用于IFC。ResNet50分类的定量结果显示了接近完美的分类精度（F1得分为0.99）。此外，U-Net分割的平均骰子系数达到了0.81。
人工智能如何增强流式细胞术
AI通过提高准确性和数据处理能力、实现实时洞察和揭示隐藏的细胞模式来增强流式细胞术。它减少了人为错误，加速了对大型复杂数据集的分析。AI提高了流式细胞术的精度，使得结果更加准确可靠。研究表明，两阶段模型（如更快区域CNN）和单阶段模型（如单次检测器）在检测疟原虫感染细胞和神经细胞方面表现出更好的检测准确性和速度。其他显示超过90%准确率的算法包括梯度提升、随机森林、AlexNet、GoogleNet、DenseNet、VGG、MobileNetV2、CNN、NasNet、ResNet、线性支持向量机、k近邻、AdaBoost和支持向量机。这些算法主要用于细胞成像分析、白血病监测和白细胞识别。
提高准确性和精度
AI提高了流式细胞术的精度，使得结果更加准确可靠。研究表明，两阶段模型（如更快区域CNN）和单阶段模型（如单次检测器）在检测疟原虫感染细胞和神经细胞方面表现出更好的检测准确性和速度。其他显示超过90%准确率的算法包括梯度提升、随机森林、AlexNet、GoogleNet、DenseNet、VGG、MobileNetV2、CNN、NasNet、ResNet、线性支持向量机、k近邻、AdaBoost和支持向量机。这些算法主要用于细胞成像分析、白血病监测和白细胞识别。
增强数据处理
AI能够更快地分析高维、大规模数据集。特别是深度学习在分析IFC数据方面表现出色，提供了所需的高灵敏度和高速度，以应对其高通量性质。该算法的成功应用大大推进了高通量细胞分析。例如，3D IFC成功揭示了肝内皮细胞和肝星状细胞的单细胞分辨率形态。通过结合肝细胞的透射和侧向散射单细胞图像与AI，提供了一种非酒精性脂肪性肝炎（NASH）进展的分期系统。
实时洞察
AI提供了实时洞察，允许在分析过程中立即分类和检测细胞群体。这加速了决策过程，增强了实时监控细胞动态的能力。例如，深度细胞术（deep cytometry）是一种最近的深度学习实现，实现了无监督的实时细胞分选，消除了图像重建的需求。因此，AI确保了及时、准确的结果，这对于疾病监测和治疗开发至关重要。
新的发现
AI能够揭示细胞形态和行为中以前隐藏的模式。这种发现新见解的能力加深了对细胞动力学的理解，并可以在疾病研究和个性化医学等领域取得突破。
人工智能驱动的流式细胞术的应用
AI驱动的流式细胞术已经在多个领域中取得了革命性的进展，提供了更精确和快速的复杂细胞数据分析。
癌症研究
AI驱动的流式细胞术通过提高罕见癌细胞的检测，增强了癌症研究。它还帮助表征肿瘤异质性，为癌症进展和治疗反应提供更深入的见解。例如，基于AI和流式细胞术的方法已经开发用于B细胞非霍奇金淋巴瘤（B-NHL）的诊断标志物。成熟的B细胞淋巴恶性肿瘤是一组多样且异质的恶性肿瘤，具有形态、表型、基因型和侵袭性的变化。ML算法可以应用于大量B-NHL免疫表型数据集，生成临床适用且稳健的预测系统。
免疫学
AI驱动的流式细胞术实现了更精确的免疫细胞群体识别。这一进展支持疫苗和免疫疗法的发展，通过提供对免疫反应和细胞行为的更深入了解。最近发表在《Diagnostics》上的一项工作开发并验证了AI辅助的流式细胞术工作流程，用于原发性免疫缺陷疾病及相关免疫学障碍，使用了2021年的379个临床病例和一个三管、十色流式面板，包含21种抗体。AI软件完全自动化，将分析时间缩短到每例不到5分钟。通过独特的多维密度-表型耦合算法，AI模型准确分类和计数了NK、B和T细胞，以及关键免疫细胞亚群，如CD8+细胞毒性T细胞、CD4+辅助T细胞和转换或未转换的B细胞。
临床诊断
AI驱动的流式细胞术通过提高疾病检测和监测的准确性，改进了临床诊断。这项技术有助于更精确地识别白血病和HIV等疾病，促进早期干预和更好的患者预后。最近发表在《Haematologica》上的一项报告提出了一种新的模型，将AI与多参数流式细胞术相结合，以增强骨髓增生异常综合征（MDS）的分类和诊断。通过弹性网算法，基于Boruta算法选择的流式细胞术参数，开发了一个可靠且简单的预测评分系统，包含五个参数。该模型对低风险和高风险MDS的诊断具有92.5%的特异性和91.8%的敏感性。
药物发现
AI驱动的流式细胞术通过实现对细胞群体治疗效果的高通量分析，加速了药物发现。这项技术允许高效筛选潜在的药物候选物，提供对其对细胞行为和活力影响的宝贵见解。不断发展的多组学和AI/ML驱动的数据分析将促进多参数、自动化的细胞群体评估，可能减少手动定义细胞群体和门控引入的变异。
结论
总之，基于AI的图像分析正在通过显著提高效率、准确性和应用范围来革新流式细胞术。通过整合AI，流式细胞术可以更快地处理复杂数据集，提高细胞检测的精度，并揭示以前隐藏的细胞行为模式。在临床环境中，AI驱动的流式细胞术提高了诊断准确性，带来了更好的患者预后。通过推动创新和扩展生命科学的潜力，AI有望塑造个性化医学和治疗开发的未来。
(全文结束)
