Циркулирующие опухолевые клетки (ЦОК) представляют собой минимально инвазивное окно в метастатическое заболевание и ответ на лечение, однако их клиническое применение ограничивалось ручной, субъективной идентификацией с низкой пропускной способностью в данных многоканальной флуоресцентной микроскопии. Исследователи разработали систему SEE-TC (System for Enhanced Evaluation of Tumor Cells) — подход глубокого обучения для масштабируемого, воспроизводимого фенотипирования индивидуальных циркулирующих клеток.
SEE-TC была разработана и оценена на более чем 8,5 миллионах клеток из 3,386 образцов крови, охватывающих шесть типов рака. Это позволило обеспечить генерализацию через гетерогенные условия визуализации, панели окрашивания и платформы получения изображений. Система обучена распознавать биологически релевантные латентные клеточные представления, которые коррелируют с установленными морфологическими и иммунофлуоресцентными биомаркерами.
SEE-TC достигла точности сегментации отдельных клеток на уровне человека и надежно различала ЦОК от фоновых популяций без опоры на произвольные пороговые значения. При продольном применении система обеспечивает количественную оценку нагрузки ЦОК на уровне пациента во времени, что было значимо ассоциировано с худшей общей выживаемостью для множественных типов рака.
Это первый полностью автоматизированный AI-подход к сегментации отдельных клеток и фенотипированию ЦОК. Превращая анализ ЦОК из зависимой от человека задачи в масштабируемый и воспроизводимый цифровой анализ, SEE-TC обеспечивает высокоточный продольный мониторинг опухолевой нагрузки и поддерживает более широкое клиническое развертывание жидких биопсий на основе ЦОК в прецизионной онкологии.
Система в настоящее время внедряется для идентификации ЦОК и количественной оценки экспрессии мишеней как для прогностической, так и для предиктивной оценки биомаркеров в множественных проспективных клинических исследованиях на коммерческой платформе.