芬兰坦佩雷大学的Martti Juhola教授和Katriina Aalto-Setälä教授的一项新研究表明,通过使用人工智能和机器学习,不仅可以准确地将健康的心脏细胞培养物从健康的心脏细胞培养物中分类,而且还可以区分遗传性心脏病。
iPSC衍生的心肌细胞可以源自血液样品或皮肤活组织检查。这些细胞目前用于了解不同疾病的病理生理学,并鉴定各种疾病的新潜在药物。
近年来,机器学习和人工智能得到了极大的改善。坦佩雷大学的科学家现已将干细胞技术和人工智能结合起来研究细胞培养中的心肌细胞。使用钙信号分析细胞的搏动行为。钙对于心肌细胞来说是必不可少的,并且可以通过使用荧光标记来监测搏动。
在该研究中,心肌细胞来自患有遗传性心律失常(CPVT),长QT综合征(LQTS)或肥厚性心肌病(HCM)的患者,或来自健康个体。记录单个心肌细胞的搏动并且分析软件教导它们代表什么疾病。然后,该程序学会分离不同的组并识别每个细胞的搏动行为的特定特征。
该软件现在能够识别信号是来自携带致病突变的个体或来自健康个体的细胞。这是非常令人印象深刻的,但最大的惊喜是该计划也可以说明疾病之间的差异。
这一重要观察表明,iPSC衍生细胞和人工智能有可能用于诊断。目前,遗传性疾病主要通过DNA分析诊断,但在许多情况下,结果并未揭示DNA改变是否是该疾病的真正原因或者它是否只是一种无辜的变异。这一新发现表明,将人工智能和机器学习结合起来可以在这种情况下提供帮助。这些技术的组合也可用于非特异性但严重的心脏检查结果,以确定引起症状的特定疾病。