一种名为MISO（多模式空间组学，Multimodal Spatial Omics）的新的人工智能工具可以检测到癌症在细胞水平上的特征，通过分析非常微小的组织样本，有些样本小至400平方微米，相当于五根头发的宽度。该工具由宾夕法尼亚大学佩雷尔曼医学院的研究人员开发，能够处理大量数据，并将其应用于医学影像中的最小斑点。根据今天发表在《自然方法》杂志上的一篇论文，MISO可以引导医生找到最适合各种癌症的个体化治疗方法。
使用MISO，研究人员发现了关于不同类型癌症的新信息，包括：
- 膀胱癌：MISO检测到了一组负责形成三级淋巴结构的特殊细胞，这些结构与免疫疗法的改善反应有关。
- 胃癌：MISO区分了癌细胞和组织内的黏膜。
- 结直肠癌：MISO识别出了不同的癌细胞亚类，有助于揭示构成单个肿瘤的不同恶性细胞。
此外，MISO还用于分析非癌性脑组织的结构。
所有这些成就都可以指导更好的治疗方案，提高生存率，并且如果没有像MISO这样强大的人工智能工具，几乎是不可能实现的。
MISO是在“空间多组学”领域开发的，该领域通过考虑组织的物理布局，结合不同的“组学”模式（如转录组学、蛋白质组学和代谢组学）来获得对不同条件的见解。宾夕法尼亚大学生物统计学和数字病理学教授李明瑶博士表示：“随着空间组学领域的进步，现在可以从同一组织切片中测量多种组学模式，提供互补信息，从而提供更全面、更深入的视角。”
李明瑶博士补充道：“MISO解决了巨大的数据挑战，实现了所有空间组学模式的同时分析，同时还可以处理可用的显微解剖图像。它是唯一能够处理每样本包含数十万细胞的数据集的方法。”
当使用空间转录组学查看图像时，单个像素可能包含20,000到30,000个待分析的数据点，如果考虑多种组学模式，这一数量可能会翻倍甚至三倍。相比之下，MRI和CT扫描每个像素只有一个数据点（灰度）。如果没有某种形式的人工智能工具，医生和研究人员几乎无法从医学影像中捕捉到MISO所能提供的见解。
MISO继续了李明瑶博士在开发能够看到连训练有素的人类也无法察觉的成像技术方面的工作。今年早些时候，她的团队发布了一篇关于iSTAR的论文，iSTAR是一种调查基因组学的工具，发现了原本会被忽视的癌症痕迹以及身体对治疗的反应。
尽管MISO处理的数据范围比iSTAR更广泛——其中一些组件甚至被用于开发MISO——但李明瑶博士认为两者都有其用处，只是应用领域不同。iSTAR可用于提高成像的清晰度，并虚拟生成MISO可以分析的空间组学数据，而MISO则支持更精细的主题分析（例如，检测高内皮静脉，这是一组招募白细胞到特定组织的特殊细胞）。
展望未来，研究团队希望整合他们在空间组学和病理成像方面的所有知识，改进MISO，使其能够同时分析多个组织样本，从而指数级增加其发现的输出。
一些数据类型，如表观遗传标记（受环境而非纯遗传影响的化学物质），尚未进行大规模测量，但MISO的人工智能系统允许它在处理信息时“学习”，因此可以识别这些数据，随着这些数据变得越来越可用。“我预计整合这些多样化的数据类型将使MISO能够更深入地洞察细胞行为的各个方面。”李明瑶博士说。
(全文结束)
