机器学习可以通过酸性来识别癌细胞

癌细胞与健康细胞表现出几个关键的区别，有助于识别它们是危险的。例如，癌细胞内的pH值——酸性水平——与健康细胞内的pH值是不同的。

新加坡国立大学的研究人员开发了一种方法，利用机器学习通过检测ph值来确定单个细胞是否癌变。他们在杂志上描述了他们的工作APL生物工程。

该研究的作者之一Chwee Teck Lim说:“识别单细胞的能力在精确和个性化医疗领域获得了极其重要的地位。”“这是因为这是解释任何生物标本固有异质性的唯一方法。”

LIM说明，用于检查单个细胞的其他技术可以诱导毒性效应甚至杀死细胞。然而，它们的方法可以区分源自来自源自癌组织的细胞的正常组织的细胞，以及不同类型的癌症，同时保持细胞活着。

该方法依赖于用菠萝脲蓝色处理细胞，这是pH敏感染料，取决于酸性溶液的酸性。每种类型的细胞基于细胞内酸度表现出红色，绿色和蓝色（RGB）的独特指纹。由于癌性转化改变了细胞的pH值，因此不健康的细胞将不同地反应溴鼠蓝色，导致其RGB指纹的特征偏移。

通过训练机器学习算法将颜色组合映射到单个细胞的疾病状态，作者可以很容易地识别出不希望出现的变化。这使得他们只需使用简单的标准设备:倒置显微镜和彩色照相机就可以确定细胞的健康状况。

“我们的方法允许我们分类单细胞“各种人体组织，正常和癌症”，通过仅关注每个细胞类型倾向于表现出的固有酸度水平，并使用简单廉价的设备，“LIM说。

对于这种方法的实际实现，医疗专业人士需要非侵入性的获取相关细胞样本。

“这项技术的一个潜在应用是液体活检，在那里肿瘤细胞从中逃脱了原发肿瘤可以以微弱的方式孤立体液,”林说。

本集团期待进一步推进概念，以试图从细胞中检测不同阶段的恶性肿瘤。他们设想了过程的实时版本，其中可以自动识别和处理悬浮在解决方案中的单元格。

---

---