Robert L. Judson

Igårkväll nåddes vi av nyheten att den amerikanske forskaren Robert L. Judson

publicerat en högintressant artikel som jag tolkar bygger på hans tidigare rön att kunna identifiera cancertyper och deras utseende och förlopp genom ett egenutvecklat standardiseringsprogram som bygger på PHI,s teknik.
S.k "machine learning".
Jag skrev om detta första genombrott av Robert redan  i April i inlägget Alternativ till Flow Cytometry ?


Ur artikeln "High accuracy label-free classification of single-cell kinetic states from holographic cytometry of human melanoma cells" med publiceringsdatum 2017-09-20:
Abstract
Digital holographic cytometry (DHC) permits label-free visualization of adherent cells.
Dozens of cellular features can be derived from segmentation of hologram-derived images.
However, the accuracy of single cell classification by these features remains limited for most applications, and lack of standardization metrics has hindered independent experimental comparison and validation.
Here we identify twenty-six DHC-derived features that provide biologically independent information across a variety of mammalian cell state transitions.
When trained on these features, machine-learning algorithms achieve blind single cell classification with up to 95% accuracy.
Using classification accuracy to guide platform optimization, we develop methods to standardize holograms for the purpose of kinetic single cell cytometry.
Applying our approach to human melanoma cells treated with a panel of cancer therapeutics, we track dynamic changes in cellular behavior and cell state over time.
We provide the methods and computational tools for optimizing DHC for kinetic single adherent cell classification.

Robert berättar i artikeln hur cancerceller utvecklas och förändras i sitt förlopp och att läkarkåren därigenom har svårigheter att hänga med i vilken kur som ska sättas in för patienten.
"Many mammalian cell types, including clonal human cancer cells, can be highly dynamic in both morphology and behavior, even in homeostatic conditions. Characterizing and tracking heterogeneous behavior over time on a single cell level is critically important when studying rare events, such as the acquisition of therapeutic resistance, or transition events, such as differentiation."
Robert berättar vidare hur Digital Holographic Microscopy (DHM), i detta fallet PHI,s teknik, mer och mer utvecklats och nu används som instrument istället för de traditionella mikroskop som kräver infärgning och baseras på den gamla tekniken.
"Digital holographic microscopy (DHM) has recently emerged as a method for visualizing mammalian cells without the use of dyes or fluorescence^"
Han nästan marknadsför tekniken och lyfter fram de användningsområden PHI,s teknik medger.
"Due to the relative affordability of commercially available DHC systems, this approach is becoming increasingly used for several applications, including cell counting, cell migration assays, monitoring for therapeutic resistance and motility characterization."
Vi behöver inte tveka om att Robert är helsåld på PHI,s Holomonitor-teknik.

Holographic Imaging

Läser vi på hans presentationssida / nyheter bekräftas det med följande:
- I have been excited about the potential of digital holographic cytometry (DHC) for years.
This imaging technique allows you to acquire beautiful videos of living mammalian cells without the need for any sort of labeling regent and it is completely non-toxic.
 In addition, the morphological features we derive from these images can be used to classify different cell states.
In the past, this has worked really well for determining whether entire populations of cells are morphologically distinct, but it has been difficult to achieve high accuracies with single cell resolution.
We wanted to monitor complex cell populations undergoing transitions over long periods of time, where four or more distinct and semi-stable cell states might exist at any point in time.
In this study, we teamed up with Miro Hejna and Jun Song – experts in big data and machine learning – and established a computational pipeline that allows us to turn a series of DHC holographic images as pictured above into “rocket plots” as pictured below – with each row following a cell, its morphology and its behavior through time.
Thank you to PHI for working with us on this project.
Länk till aktuell forskning.

Info om Robert hittas på hemsidan University of Californa Helen Diller Family Comprehensive Cancer Center.


Min kommentar
Roberts forskning är på spjutspetsnivå.Han m kollegor har gett sig på att utveckla ett system baserat på DHM som kommer kunna identifiera cancertyper och deras förändrade utseenden som läkarkåren kommer ha stor nytta av.För att inte säga patienter i slutändan såklart.
PHI,s teknik är grunden för Roberts forskning.


Avslutningsvis,ord från ett aktuellt diagnostikföretag:
Antalet cancerfall förväntas globalt öka med cirka 70 procent till år 2030, främst på grund av en växande och åldrande befolkning samt fortsatt utbredning av västerländsk livsstil. I takt med att behandlingsformerna vid cancersjukdom utvecklas ställs allt högre krav på diagnostik inom dagens sjukvård. För att möta utvecklingen finns det behov av bättre, patientvänligare och säkrare provtagningar. I många fall kan en tidig och säker diagnostik vara helt avgörande för att rädda patientens liv.


Ps. Har jag sagt vad jag anser om PHI,s aktiekurs? Om inte, min extremt subjektiva bedömning är att vi borde se aktien över 100 kr givet vad potentialen vibbar om och det som redan framkommit hur användbar tekniken är och kommer att vara framledes. Ds