UCIの研究者とエンジニアは最近、単一細胞レベルで癌と健康な組織を検査して区別できる機械学習支援バイオチップを作成した。そのデバイスによって生成されたデータは、腫瘍の不均一性を研究するために使用できる。これは、癌治療への抵抗を低減するのに役立つ。
単一細胞分析は癌を理解する上で重要である。同じ腫瘍内の細胞間均一性とさまざまな腫瘍内の腫瘍内均一性が癌治療に対する抵抗の主な原因であるためである。単一細胞分析を実行するためによく使用される機器および技術は、大きく、高価であり、人間の専門家が操作する必要があり、準備に長い時間がかかる。UCIのチームは論文で、この問題の解決策を詳しく説明した。その論文では、単一細胞分析とさまざまな癌細胞の正確な特性評価のための新しい機械学習を使ったナノ粒子印刷バイオチップを説明している。
「世界保健機関によると、乳がんによる死亡の60％近くは、資源が乏しい国での早期発見プログラムの欠如が原因です」と主著者のRahim Esfandyarpour氏は述べた。「私たちの研究は、単一細胞研究、腫瘍不均一性研究、そしておそらく診療現場でのがん診断において応用が考えられます。特にコスト、限られたインフラストラクチャ、および医療技術へのアクセスが制限されている発展途上国において、最も重要です」。
バイオチップは、マイクロ流体チャネルを通過するサンプルの病気の細胞と健康な細胞の電気的特性の違いを監視することで機能する。このデバイスをさまざまな設定で簡単に製造できるようにするために、使用される材料の多くは再利用可能で安価である。さらに、研究者たちは、インクジェットプリンターを使用して約20分でバイオチップの主要部分のプロトタイプを作成する方法を考案した。機械学習は、デバイスから出力される大量のピクセルデータを分析して予測するために使用される。このプログラムは、人間が見ることのできない画像のパターンを見つけることで、96％の確率で攻撃性と非攻撃性の病気を正しく特定することができる。眼科と視覚科学、およびMichigan Medicineで微生物学と免疫学の教授であるHoward Petty博士によると、これらの画像を見ている人間は、同じ作業で約70％の精度となる。
機械学習システムは、高度なスキルを持つアナリストのチームに取って代わり、出力データを調査して、正確な結果を予測するためにかかるコストと時間を削減することもできる。N-feature分類器は、UCIのチームによって使用され、ラベルなしの方法でさまざまなセルタイプを区別できるシステムを作成する。このシステムは、癌のサブタイプ細胞を分類することもできる。
データ分析と機械学習のためのツールは、がんの治療と診断を改善する上でますます重要な役割を果たしている。世界のヘルスケア分析市場は現在140億ドルと評価されており、2025年までに504億に成長すると予想されている。この資金と注目の多くはおそらく癌の解決に向けられるであろう。このプロジェクトは、UCIのHenry Samueli School of Engineeringからのスタートアップ資金の支援によるものである。