日前(12)，德國亥姆霍茲慕尼黑研究中心（Helmholtz Zentrum München）的組織工程和再生醫學研究所（Institute for Tissue Engineering and Regenerative Medicine)所長Ali Ertürk博士領導的團隊開發了一種結合組織透明成像 (tissue clearing) 和深度學習 (deep learning) 的新型演算法，稱為DeepMACT(deep learning-enabled metastasis analysisin cleared tissue)，可用來分析小鼠全身的癌細胞轉移，比以往的方法快上300倍，一小時內便能完成全身腫瘤細胞的追蹤與分析，且準確率和人類專家相當。該研究登上本期的《Cell》封面。

研究團隊利用先前研發的vDISCO (nanobody(VHH)-boosted 3D imaging of solvent cleared organs)全身免疫螢光及透明技術處理不同的小鼠癌症模型，使用雷射掃描顯微鏡使小鼠身體成像呈現透明，並可讓癌細胞上攜帶的螢光蛋白訊號增強100倍以上，以獲取全身的癌細胞轉移灶分布影像，不僅可以輕易看到深埋在幾公分厚的組織中大型的腫瘤轉移點，甚至還能看到只有一個癌細胞構成的轉移點。

但vDISCO的成像數據非常複雜，用傳統的方式處理不僅要花費數月，且分析的結果品質也不高，可能會有缺漏，因此，雖然當時開發出vDISCO技術，但在應用上卻不實用。

因此，在此次研究中，他們使用已經轉入螢光...