Биочип с ИИ и струйной печатью наночастиц для анализа раковых клеток

Инженеры, компьютерщики и биоинженеры из Калифорнийского университета в Ирвайне создали новый лабораторный чип для изучения гетерогенности опухолей и снижения устойчивости к терапии.

В статье, опубликованной в Advanced Biosystems, описано, как исследователи объединили искусственный интеллект, микрофлюидику и струйную печать наночастиц в устройстве, позволяющем изучать и дифференцировать раковые и здоровые ткани на уровне одной клетки.

"Гетерогенность раковых клеток и опухолей может привести к повышению устойчивости к терапии и неоднородным результатам для разных пациентов", — сказал ведущий автор Каушал Джоши. Новый биочип команды решает эту проблему, позволяя точно охарактеризовать различные раковые клетки из образца.

"Анализ отдельных клеток необходим для идентификации и классификации типов рака и изучения клеточной гетерогенности. Это нужно, чтобы понять инициацию, прогрессирование и метастазирование опухоли для разработки более эффективных лекарств", — отметил соавтор Рахим Эсфандиярпур. "Большинство традиционных методов и технологий для изучения рака сложны, громоздки, дороги, требуют высококвалифицированных операторов и долгой подготовки".

Его группа преодолела эти проблемы, объединив методы машинного обучения с доступной струйной печатью и микрофлюидными технологиями. Это позволило разработать недорогие миниатюрные биочипы, которые легко прототипировать и которые способны классифицировать различные типы клеток.

В устройстве образцы проходят через микрофлюидные каналы с тщательно расположенными электродами, которые отслеживают различия в электрических свойствах больных и здоровых клеток за один проход. Инновация исследователей заключалась в разработке способа прототипирования ключевых частей биочипа примерно за 20 минут с помощью струйного принтера, что упрощает производство в различных условиях. Большинство материалов являются многоразовыми или, если одноразовыми, — недорогими.

Другой аспект изобретения — включение машинного обучения для обработки большого объема данных, которые производит крошечная система. Этот раздел ИИ ускоряет обработку и анализ больших наборов данных, находит закономерности, прогнозирует точные результаты и способствует быстрому принятию решений.

Включив машинное обучение в рабочий процесс биочипа, команда повысила точность анализа и снизила зависимость от квалифицированных аналитиков. Это также может сделать технологию привлекательной для медиков в развивающихся странах.

"Всемирная организация здравоохранения заявляет, что почти 60% смертей от рака молочной железы происходит из-за отсутствия программ раннего выявления в странах со скудными ресурсами", — сказал Эсфандиярпур. "Наша работа имеет потенциальное применение в исследованиях отдельных клеток, в изучении гетерогенности опухолей и, возможно, в диагностике рака по месту оказания помощи — особенно в развивающихся странах, где стоимость, ограниченная инфраструктура и ограниченный доступ к медицинским технологиям имеют первостепенное значение".