Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il sistema di AI può identificare rapido le cellule staminali in buona salute e produttive dell'interfaccia

La terapia della cellula staminale è all'avanguardia di medicina a ricupero, ma finora i ricercatori ed i clinici hanno dovuto scrupoloso valutare la qualità della cellula staminale esaminando ogni cella determinato sotto un microscopio. Ora, i ricercatori dal Giappone hanno trovato un modo accelerare questo trattamento, facendo uso della potenza di intelligenza artificiale (AI).

In uno studio pubblicato a febbraio in cellule staminali, i ricercatori dall'università medica e dentaria di Tokyo (TMDU) hanno riferito che il loro sistema di AI, chiamato DeepACT, può identificare le cellule staminali in buona salute e produttive dell'interfaccia con la stessa accuratezza che un essere umano può.

Le cellule staminali possono svilupparsi in vari generi di celle mature, che i mezzi essi possono essere usati per coltivare i nuovi tessuti nei casi della ferita o la malattia. Le cellule staminali di Keratinocyte (interfaccia) sono usate per trattare le malattie della pelle ereditate e per coltivare le lamiere sottili di interfaccia che è usata per riparare le grandi ustioni.

Le cellule staminali di Keratinocyte sono uno dei pochi tipi di cellule staminali adulte che si sviluppano bene in laboratorio. I keratinocytes più sani si muovono più rapidamente delle celle meno in buona salute, in modo da possono essere identificati dall'occhio facendo uso di un microscopio. Tuttavia, questo metodo è che richiede tempo, ad alto contenuto di manodopera e soggetto a errori.„

Takuya Hirose, autore principale

Per indirizzare questo, i ricercatori hanno mirato a mettere a punto un sistema che avrebbe identificato automaticamente e tenuto la carreggiata il movimento di queste cellule staminali.

“Abbiamo preparato questo sistema con un trattamento chiamato “in profondità imparare„ facendo uso di una libreria delle immagini del campione,„ dice l'autore del co-cavo, Jun'ichi Kotoku. “Poi lo abbiamo provato su un nuovo gruppo di immagini ed abbiamo trovato che i risultati erano molto accurato rispetto all'analisi manuale.„

Oltre ad individuare le diverse cellule staminali, il sistema di DeepACT egualmente calcola “l'indice analitico di moto„ di ogni colonia, che indica quanto velocemente i thecells alla regione centrale del movimento della colonia hanno paragonato a quelli alla regione marginale. Le colonie con il più alto indice analitico di moto erano molto più probabili delle colonie con l'indice analitico più basso di moto svilupparsi bene, rendendo loro i buoni candidati per la generazione delle lamiere sottili di nuova interfaccia affinchè il trapianto brucino i pazienti.

“DeepACT è un nuovo modo potente eseguire il controllo di qualità accurato delle cellule staminali umane del keratinocyte e renderà questo trattamento sia più affidabile che più efficiente,„ specifica Daisuke Nanba, autore senior.

Poichè i trapianti dell'interfaccia possono venire a mancare se contengono troppe cellule staminali non sane o improduttive, potendo identifichi a rapidamente e facilmente le celle più adatte sarebbe un considerevole vantaggio clinico. Il controllo di qualità automatizzato ha potuto anche essere utile per fabbricazione industriale della cellula staminale, contribuire ad assicurare un'offerta stabile delle cellule ed abbassare i costi di produzione.

Source:
Journal reference:

Hirose, T., et al. (2021) Label-free quality control and identification of human keratinocyte stem cells by deep learning-based automated cell tracking. Stem Cells. doi.org/10.1002/stem.3371.