一组研究人员开发了一种新颖的方法，能够在细胞治疗产品（CTPs）的生产过程中早期快速自动地检测和监测微生物污染。
该初步测试方法通过测量细胞培养液的紫外线（UV）光吸收，并利用机器学习识别与微生物污染相关的光吸收模式，旨在减少无菌测试所需的整体时间，从而缩短患者等待CTP剂量的时间。这对于需要及时治疗的重症患者尤为重要。
细胞疗法代表了医学的一个新前沿，特别是在治疗癌症、炎症性疾病和慢性退行性疾病方面，通过操纵或替换细胞来恢复功能或对抗疾病。然而，在CTP生产中的一个主要挑战是快速有效地确保细胞在给药前没有受到污染。
现有的基于微生物学方法的无菌测试既耗时又费力，需要长达14天才能检测到污染，这可能对急需立即治疗的危重患者造成不利影响。虽然先进的快速微生物学方法（RMMs）可以将测试期缩短至7天，但它们仍需要复杂的步骤，如细胞提取和生长富集介质，并且高度依赖于熟练的人力进行样本提取、测量和分析。
因此，迫切需要新的方法，这些方法能够更快地得出结果，同时不牺牲CTP的质量，以满足患者的使用时间线，并且具有简单的工作流程，不需要额外的准备。
在《科学报告》杂志上发表的一篇题为“机器学习辅助的紫外线吸收光谱法用于检测细胞治疗产品中的微生物污染”的论文中，SMART CAMP的研究人员描述了他们如何结合紫外线吸收光谱法开发了一种机器学习辅助的方法，用于在制造过程的早期阶段无标记、非侵入性和实时地检测细胞污染。
这种方法相比传统的无菌测试和RMMs具有显著优势，因为它无需对细胞进行染色以识别标记生物体，避免了细胞提取的侵入性过程，并在不到半小时内提供结果。它提供了直观、快速的“是/否”污染评估，便于自动化细胞培养取样，工作流程简单，无需额外的孵育期、生长富集介质和人力。此外，该方法不需要特殊设备，从而降低了成本。
“这种快速、无标记的方法被设计为CTP制造过程中的初步步骤，作为连续安全测试的一种形式，使用户能够及早发现污染并及时采取纠正措施，包括仅在检测到可能污染时才使用RMMs。这种方法节省了成本，优化了资源分配，并最终加快了整个制造时间表。”SMART CAMP的高级研究工程师兼论文第一作者Shruthi Pandi Chelvam说。
“传统上，细胞治疗制造是劳动密集型的，并且容易受到操作者变异性的影响。通过引入自动化和机器学习，我们希望简化细胞治疗制造并降低污染风险。具体来说，我们的方法支持在指定间隔内自动进行细胞培养取样以检查污染，减少了手动任务，如样本提取、测量和分析。这使得可以连续监测细胞培养，并在早期阶段检测到污染。”SMART CAMP首席研究员、麻省理工学院教授兼论文通讯作者Rajeev Ram说。
未来的研究将致力于扩大该方法的应用范围，涵盖更广泛的微生物污染物，特别是那些代表当前良好生产规范（cGMP）环境和先前已确定的CTP污染物。此外，还可以测试该模型在更多细胞类型上的稳健性，而不仅仅是间充质干细胞。除了细胞治疗制造外，该方法还可以应用于食品和饮料行业，作为微生物质量控制测试的一部分，以确保食品产品符合安全标准。
这项研究包括来自新加坡-麻省理工学院科研联盟（SMART）的个性化医疗制造关键分析（CAMP）跨学科研究小组（IRG）的研究人员，以及麻省理工学院（MIT）、ASTAR皮肤研究实验室（ASRL）和新加坡国立大学（NUS）的合作。
(全文结束)
