众所周知，癌症是全球主要死因之一。其中超过90%的癌症患者死于癌转移，而非原发肿瘤。癌症转移通常是由单个扩散的癌细胞发展而来，这些癌细胞会逃避人体的免疫监视系统。限制于当前成像技术（如生物荧光和MRI等）的分辨率，目前还无法对全身癌细胞的转移路径进行监测。

这就导致了科学家们对各种癌类型的具体传播机制缺乏精准的认知，而这是进行对症治疗的先决条件。不仅如此，对癌症转移路线的模糊，还阻碍了科研人员在评估肿瘤治疗候选药物疗效上的努力。

为了开发出克服这些障碍的技术，科学家们投入了无数个日夜，近日，专注这一领域的的Ali Ertürk博士团队终于成功带来了一项重量级成果，相关研究还登上了Cell杂志封面！

DOI：https://doi.org/10.1016/j.cell.2019.11.013

人类不行？人工智能来助力！

先前，来自德国环境健康研究中心（Helmholtz Zentrum München）的Ali Ertürk及其团队已经开发了一种名为vDISCO的黑科技，它可以将小鼠变为透明状态，这样就有机会观察到小鼠体内深处的细胞了。

问题在于，在观察癌细胞转移时，这项研究只能帮助检测小鼠体内组织中单个最小的癌细胞转移。而依靠人工去分析这些庞大的成像数据十分费力。鉴于目前这种数据分析算法的可靠性和处理速度有限，该研究团队最近又开发了一种新的名为DeepMACT的深度学习算法。

这套算法有多牛呢？首先，它不仅能够检测和分析癌症是如何转移的，还能自动绘制vDISCO制剂中抗体药物的分布。简单来说就是，DeepMACT能够识别哪些转移位点已被治疗药物“锁定”，哪些成为“漏网之鱼”。

其次，DeepMACT算法在检测转移方面的表现与人类专家旗鼓相当，但速度却快了300多倍！只需点击几下，DeepMACT就能在短短一小时内完成人类数月的工作。

强大功能——检测细胞，收集数据，了解癌症

利用DeepMACT，研究人员可以对不同类型的肿瘤（如乳腺癌、肺癌和胰腺癌等）转移进行分析，以观察对应肿瘤的靶向治疗效果。

譬如，通过分析乳腺癌小鼠的转移情况，DeepMACT发现，小鼠体内的肿瘤细胞会随着时间的推移显著增加。“这些特征以前是无法被传统成像手段检测到的。DeepMACT是首个能够在全身范围内对转移过程进行定量分析的方法。”该研究的联合一作Chenchen Pan博士补充道。

不仅如此，DeepMACT还可以作为研究人员的另一种“利器”——评估特异性单克隆抗体在临床治疗中的靶向性。在最新研究中，他们使用DeepMACT来量化一种名为6A10的抗体药物的疗效（该抗体已被证明可以抑制肿瘤生长），结果表明，竟有高达23%的转移位点从该药物的治疗中逃脱！这也从某种意义上解释了，为何许多癌症在治疗后，总会出现复发。

阻止癌症转移，人类在路上

综上所述，这些结果表明，DeepMACT不仅为癌症转移的综合分析提供了一种强有力的方法，而且为临床前研究的治疗性药物评估提供了一个灵敏的工具。正如Erturk所言，“人类与癌症的斗争已经进行了几十年，在最终战胜它们之前，我们还有很长的路要走。而为了开发更有效的癌症治疗方法，了解不同癌症类型的转移机制以及开发能够阻止转移过程的肿瘤特异性药物至关重要。”

 值得一提的是，DeepMACT是公开的，可以很容易地被研究机构用于不同的肿瘤模型和治疗方案中。当今，肿瘤临床试验的成功率约为5%。我们相信，DeepMACT技术可以显著改善临床前研究的药物开发过程，帮助寻找更强大的候选药物。