細胞變形性（Cellular deformability）是醫學上評價細胞生理狀態的一種很有前景的生物標志物。目前，微流控技術已經成為測量細胞變形性的一種強有力的工具。然而，現有的基于微流控技術的細胞變形性測量方法嚴重依賴于圖像分析，從而限制了其在高通量應用中的可擴展性。

據麥姆斯咨詢報道，為了解決上述挑戰，香港城市大學（City University of Hong Kong）和香港心腦血管健康工程研究中心（Hong Kong Center for Cerebro-Cardiovascular Health Engineering，COCHE）的研究人員合作開發了一種并行的基于收縮變形性的微流控流式細胞儀（cDC）和一種集成式計算框架（ATMQcD）。這種cDC + ATMQcD系統利用細胞剛度指數（c1指數），可以在單細胞水平上評估臨床相關異質性癌細胞群和來源于多種癌癥類型的癌細胞的侵襲性，包括乳腺癌、肺癌和膀胱癌。

研究結果發現，這種cDC + ATMQcD系統在效率、靈敏度和成本效益方面均優于傳統的癌細胞轉移性評估方法，有潛力成為全球衛生保健場景中用于快速篩查和精確臨床診斷的補充性和具有前景的工具。相關研究成果近期以“A deformability-based biochip for precise label-free stratification ofmetastatic subtypes using deep learning”為題發表在microsystems & nanoengineering期刊上。

具體而言，為了構建一種高效、經濟、高靈敏度和高通量的細胞力學性能測量方法，研究人員開發了一種并行的基于收縮變形性的微流控流式細胞儀。該微流控流式細胞儀具有四組微收縮通道，每組包含九個單獨的微收縮通道。這種設計使得其能夠以高通量和寬視場處理樣品，從而顯著提高操作效率。

圖1 基于收縮變形性的微流控流式細胞儀（cDC）設計

為了實現這種微流控流式細胞儀的臨床應用，使用來自液體活檢的真實樣本進行高通量細胞測量至關重要，這就需要更快的細胞運動和更高的測量效率。因此，開發一種能夠同時追蹤多個快速運動物體的圖像分析系統至關重要。為此，研究人員開發了一種名為ATMQcD的計算框架。通過結合用于目標檢測（Yolov5）、追蹤（Deep SORT）和分割（ResUNet++）的尖端技術，ATMQcD計算框架可以在一個視場中捕獲多個快速移動的目標，并實現高通量細胞測量。利用ATMOcD計算框架，該研究獲得了與細胞形態和運動相關的多個參數，包括通過時間、細胞大小和收縮面積。

基于這些參數，研究人員開發了一個簡單的支持向量機（SVM）分類器，其在具有不同轉移潛力的乳腺癌細胞的分類應用中，準確率達到了0.934。此外，ATMQcD計算框架可以與基于細胞軌跡的生物力學分析相結合，以量化與細胞彈性模量成正比的細胞剛度。

圖2 細胞變形性的量化和ATMQcD計算框架

圖3 訓練集生成和基于Yolov5的模型的建立

圖4 細胞追蹤和細胞變形性測量的量化

最后，研究人員使用具有不同轉移潛力的癌細胞系驗證了cDC + ATMQcD系統區分具有不同變形性的細胞的能力。評估結果顯示，cDC + ATMQcD系統在缺氧治療前后進行的侵襲性評估和癌細胞分層的分類準確率達到92.4%。此外，該系統在區分癌細胞和白細胞方面也表現出優異的性能（準確率為89.5%）。同時，該系統可用于評估來源于多種癌癥類型的癌細胞和混合細胞群的轉移潛力，甚至在現實世界的臨床條件下也適用。

圖5 cDC + ATMQcD系統對乳腺癌細胞的軌跡分析

圖6 量化細胞變形性以區分具有不同轉移潛力的細胞

綜上所述，通過結合微流控技術和深度學習，該研究提出的開創性cDC + ATMQcD系統實現了每分鐘約25,000個細胞的高通量，并且具有高靈敏度、低成本和易于操作的優勢。展望未來，這種cDC + ATMQcD系統有望通過與微流控技術集成進行生物標志物的富集和體外疾病模型的構建，以實現在液體活檢、藥物測試和疾病機制研究等領域的更廣泛的應用。

審核編輯：劉清