幹細胞，包括多能幹細胞和組織特異性幹細胞，具有各種臨床應用；人工培養幹細胞的質量，在醫學應用中至關重要。幹細胞必須在精心控制的條件下，進行體外培養。然而，目前對幹細胞培養的質量控制是基於研究人員的目視檢查；這嚴重阻礙了幹細胞培養的標準化，限制了幹細胞的大規模製造。日本東京醫科齒科大學（TMDU）的研究人員釋出了，一種基於深度學習的自動細胞跟蹤(DeepACT)技術；該技術可用於識別人工培養的幹細胞，且可以無創傷監測控制幹細胞質量。為大規模標準化無創傷控制培養幹細胞提供了重要手段。該研究以「Label-free quality control and identification of human keratinocyte stem cells by deep learning-based automated cell tracking」為題，於2021年2月23日釋出於《幹細胞》（STEM CELLS ）雜誌。
幹細胞能夠發育成多種不同型別的成熟細胞，它們可以生長為新的組織，從而用於治療某些傷病。角質幹細胞（皮膚幹細胞）是少數在實驗室中生長良好的成人幹細胞型別之一；可以用於治療遺傳性皮膚病以及修復大面積燒傷皮膚。並且，健康的角蛋白細胞比不太健康的細胞移動速度更快，因此它們可以透過顯微鏡識別出來。DeepACT的主要作用是幫助科學家快速識別健康的幹細胞，並監測幹細胞生長。
該程式包括兩個主要模組：透過深度學習，從培養物的相差影像中以「單細胞解析度」識別人類角質形成細胞；然後，使用狀態空間模型跟蹤菌落中角質形成細胞的運動軌跡。
基於深度學習的細胞自動跟蹤模型的開發
DeepACT基於深度學習的級聯細胞檢測方法和基於卡爾曼濾波器演算法的跟蹤方法相結合，在培養物的相差影像中，成功跟蹤了密集的人表皮角質形成細胞集落內的單個細胞。研究人員評估後得出結論，與肉眼識別相比 ，DeepACT對於角質幹細胞的識別非常準確。
在人的角質形成細胞菌落中的自動細胞跟蹤
DeepACT 可以快速分析單個角質形成細胞的運動指數，從而能夠對角質形成細胞動態響應培養條件的變化進行定量評估。運動指數可以反映中心區域的細胞與邊緣區域的細胞移動速度。運動指數最高的幹細胞會更有可能生長為健康皮膚，因此它們適合作為新皮膚移植給燒傷患者。
角質形成細胞行為對培養條件變化的反應的定量評價
此外，DeepACT 可以透過分析細胞的空間和速度資訊，來區分角質形成細胞幹細胞集落和非幹細胞衍生集落。這將有利於研究人員更加便捷且精準的控制角質幹細胞的培養。
透過自動細胞跟蹤來識別人的角質形成細胞幹細胞菌落
當前皮膚移植，含有太多不健康或非生產性幹細胞；那麼能夠快速、便捷地識別最合適的細胞，將大大提高幹細胞細胞移植的臨床優勢。另外，自動化質量控制，有助於確保穩定的細胞供應，同時可以降低細胞的生產成本；對於工業化生產幹細胞具有重要價值。論文連結：https://stemcellsjournals.onlinelibrary.wiley.com/doi/full/10.1002/stem.3371相關報導：https://phys.org/news/2021-06-ai-healthy-stem-cells-quickly.html