《細胞》雜誌封面刊載一項重磅研究，研究來自德國紐倫堡組織工程和再生醫學研究所Ertürk研究團隊。

研究者開發了一種名為DeepMACT的深度學習工具，可用於系統分析在體腫瘤轉移情況。（Cell。2019；179：1661-1676）

DeepMACT全身3D掃描可發現微轉移和單個腫瘤細胞，可揭示抗體藥物在全身的療效情況，DeepMACT研究提示腫瘤微環境影響藥物療效。

能較可靠地檢測播散的腫瘤細胞和腫瘤靶向治療抗體藥物的生物分佈，對更深入瞭解和治療腫瘤轉移非常有必要。

該團隊先前開發了一種名為vDISCO的黑科技，可將小鼠的身體變透明，可看到這些動物身體深處的細胞。

DeepMACT是研究者開發的可自動量化腫瘤轉移和抗體藥物靶向作用情況的深度學習系統。

DeepMACT可將腫瘤細胞熒光訊號放大100倍以上，用vDISCO方法讓透明小鼠體內的轉移成像，深度學習演算法對轉移進行自動量化。

研究者在5種不同的轉移瘤（包括乳腺癌、肺癌和胰腺癌）模型中進行了驗證，發現不同的腫瘤有不同的轉移模式，如乳腺癌2周內轉移位點會不斷變多，逐漸增加腫瘤負荷。

傳統的生物熒光成像方法是看不到這些特徵的，研究者指出，DeepMACT是首個能以整個身體的規模定量分析腫瘤轉移的方法。

這種深度學習演算法，只需不到一小時就可完成所有的分析工作，且準確率與人類專家相當。人類完成同樣的工作量，可能需花上幾個月的時間。

研究者指出，這種方法能讓我們看到抗腫瘤療法的更多細節

。

目前，許多醫藥公司會開發抗體類藥物，與腫瘤細胞結合，抑制其生長。但這些抗體的覆蓋率如何，有多少腫瘤轉移位點會漏過去？

研究者實驗發現，使用的抗腫瘤藥物可漏過多達23%的轉移位點，這部分解釋了為何許多腫瘤治療後會出現復發。

為了開發更有效的抗腫瘤療法，需要深入瞭解不同型別腫瘤如何發生轉移，並開發出抑制這些轉移程序的特異性藥物。

研究者指出，該研究方法可以讓我們看清腫瘤如何發生轉移，還可讓我們在臨床前就可評估抗腫瘤藥物覆蓋率是否夠廣，有望將來用於人類藥物的開發。