这项研究发表在《Biosensors and Bioelectronics》杂志上。随着肿瘤的发展，它们会将细胞脱落到血液中。

尽管这些循环肿瘤细胞的数量远远超过其他血液细胞，但早期发现它们可能会改善治疗效果。例如，胰腺癌的预后很差，因为当它被发现时，治疗已经太晚了。同样，肺癌的检出率，特别是治疗后复发的肺癌，也很低。目前循环肿瘤细胞的检测技术包括用荧光染料标记肿瘤细胞表面的特定蛋白质这些染色的细胞可以很容易地在血液样本中检测到。然而，也有一些缺点。有些细胞表面可能没有这些蛋白质，因此可能会被遗漏。这些技术也错过了有关癌细胞内部情况的宝贵信息。

化学工程教授Sunitha Nagrath说：“这些现有的技术通常涉及最终杀死癌细胞的方法，从而阻止我们利用这些细胞进行进一步的研究。我们意识到，我们需要一种替代方法来识别活着的循环肿瘤细胞。”为此，研究人员求助于生物激光器。

尽管这种方法仍然需要用染料染色癌细胞，但它不会杀死癌细胞，而且研究人员可以染色所有细胞不可或缺的东西——细胞核，而不是依赖于细胞表面的蛋白质。研究人员使用胰腺癌患者的血液样本，首先让所有细胞通过一个叫做Labyrinth的圆形迷宫，预先分离出循环肿瘤细胞，这些细胞比其他白细胞稍大。

“这就像骑自行车和开卡车在弯道上行驶一样——你所感受到的力是非常不同的。因此，与较小的白细胞相比，较大的肿瘤细胞被聚焦到不同的位置。”

然后他们把肿瘤细胞夹在两个镜子之间，用激发激光一次照射一个细胞。当激发足够强时，细胞有激光发射，被称为细胞激光器。

生物医学工程教授Xudong (Sherman) Fan说：“细胞激光发射的激光比我们从传统荧光技术中获得的激光强得多。激光发射图像也不同；在荧光发射中，细胞看起来像发光的球体。然而，通过激光，你可以看到不同的形状，从而提供癌细胞内DNA如何组织的信息。”

然而，这些差异是微妙的。因此，研究人员转向机器学习寻求帮助。使用深度细胞-激光分类器模型，他们能够在99%的情况下准确地挑选出胰腺癌细胞。这个模型非常有效，即使它是用胰腺癌细胞训练的，它也能够识别肺癌细胞，而不需要任何额外的训练。

“虽然有一些研究小组正在研究生物激光，但我们是第一个将其用于癌症和循环肿瘤细胞的临床研究，”Fan说。“使用我们的系统，如果你想收集循环肿瘤细胞，你必须移除顶部的镜子，这可能会导致细胞移动，然后你就失去了对它的追踪。我们希望开发一种系统，让细胞一个接一个地通过激光激发点，然后通过细胞分选装置，帮助我们分选和收集细胞，以供后续分析。”

展望未来，该小组对建立一种可以在检测到癌细胞后分离癌细胞的设备感兴趣。该团队还计划利用细胞产生的光模式来更好地了解哪些肿瘤更具侵袭性或更耐治疗。

Nagrath说：“所有这些循环细胞彼此之间可能非常不同。确定细胞在治疗周期中的侵袭性变化将是有帮助的。如果没有这样一个跨学科的团队，这项工作是不可能完成的。”

论文引自：Antigen-independent single-cell circulating tumor cell detection using deep-learning-assisted biolasers, Biosensors and Bioelectronics.