基于运动向量的深度学习可识别干细胞源心肌细胞的药物性收缩功能损伤

  • 采用微图案化hiPSC来源心肌细胞(收缩沿单一轴向),通过无标记视频成像,构建可规模化的收缩功能检测。
  • 按心跳分段的光流运动向量被送入双分支卷积网络,分别处理水平与垂直速度分量。
  • 在多柔比星、曲妥珠单抗和舒尼替尼的独立实验中,其表现优于传统运动学分类器,低剂量时优势尤其明显;消融实验显示两个方向的运动分量均有贡献。
💡 要点

hiPSC来源心肌细胞仍不成熟,分类器又会原样继承标签中的误差,因此关键问题是这些判定与人体临床心脏毒性究竟有多吻合。三种作用机制各异的参照药只是起点,算不上验证集。低剂量下的灵敏度固然诱人,但暴露量若未与游离血浆浓度对应,就几乎无法说明安全窗口。

BeatVecNet classifies drug‐induced contractile phenotypes from beat‐gated motion vectors in micropatterned human induced pluripotent stem cell‐derived cardiomyocytes ↗