循环肿瘤细胞（CTC）外周血负荷与癌症的预后密切相关。有研究表明在第一个治疗周期后清除CTC对癌症治疗有效。然而CTC非常罕见，并且在CellSearch系统中通过手动查看缩略荧光图像而被识别出来，这个操作过程存在一定误差。

      CTC是精准医学中潜力巨大的生物标志物。因含量极低、繁琐的手动评分和广泛的细胞异质性而受到阻碍。

      本月10日，来自荷兰特温特大学技术医学中心的Christoph Brune和他的同事在Nature子刊NatureMachine Intelligence上发表了名为‘Deep learning of circulating tumour cells’的文章，推出了一个名为ACCEPT的开源图像分析程序，该程序可对全血样本图像中存在的所有对象进行自动检测、特征提取和分类。

该研究的主要亮点：

1、为CTC识别提出了一种自动、准确和强大的深度学习框架，该框架解决了液体生物的异质性和多类属性。

2、通过递增的多类细胞表征过程和可视化来获得可解释的AI用于癌细胞分析，从而揭示了细胞的新亚类。

3、通过对CTC进行自动定量、鉴定和可视化开发，作者朝着自动化分析和验证对癌症疾病中CTC的理解迈出了一大步。