《细胞》杂志封面刊载一项重磅研究，研究来自德国纽伦堡组织工程和再生医学研究所Ertürk研究团队。研究者开发了一种名为DeepMACT的深度学习工具，可用于系统分析在体肿瘤转移情况。DeepMACT全身3D扫描可发现微转移和单个肿瘤细胞，可揭示抗体药物在全身的疗效情况，DeepMACT研究提示肿瘤微环境影响药物疗效。(Cell. 2019;179: 1661-1676 doi: 10.1016/j.cell.2019.11.013)

能较可靠地检测播散的肿瘤细胞和肿瘤靶向治疗抗体药物的生物分布，对更深入了解和治疗肿瘤转移非常有必要。该团队先前开发了一种名为vDISCO的黑科技，可将小鼠的身体变透明，可看到这些动物身体深处的细胞。

DeepMACT是研究者开发的可自动量化肿瘤转移和抗体药物靶向作用情况的深度学习系统。可将肿瘤细胞荧光信号放大100倍以上，用vDISCO方法让透明小鼠体内的转移成像，深度学习算法对转移进行自动量化。

研究者在5种不同的转移瘤(包括乳腺癌、肺癌和胰腺癌)模型中进行了验证，发现不同的肿瘤有不同的转移模式，如乳腺癌2周内转移位点会不断变多，逐渐增加肿瘤负荷。

传统的生物荧光成像方法是看不到这些特征的，研究者指出，DeepMACT是首个能以整个身体的规模定量分析肿瘤转移的方法。这种深度学习算法，只需不到一小时就可完成所有的分析工作，且准确率与人类专家相当。人类完成同样的工作量，可能需花上几个月的时间。

研究者指出，这种方法能让我们看到抗肿瘤疗法的更多细节。目前，许多医药公司会开发抗体类药物，与肿瘤细胞结合，抑制其生长。但这些抗体的覆盖率如何，有多少肿瘤转移位点会漏过去?研究者实验发现，使用的抗肿瘤药物可漏过多达23%的转移位点，这部分解释了为何许多肿瘤治疗后会出现复发。为了开发更有效的抗肿瘤疗法，需要深入了解不同类型肿瘤如何发生转移，并开发出抑制这些转移进程的特异性药物。研究者指出，该研究方法可以让我们看清肿瘤如何发生转移，还可让我们在临床前就可评估抗肿瘤药物覆盖率是否够广，有望将来用于人类药物的开发。

(编译 胡静)