【下集】從TNBC 的細胞治療到腦類器官的鈣震盪：AI 影像分析正在改寫的下一個戰場
當樣本不再是一張靜止的切片，而是會自己震盪、會對藥物即時反應、甚至正在殺死癌細胞的免疫細胞，AI 影像分析要解決的問題，就不再是「看得到」，而是「看得懂正在發生的事」。
最近跟家人聊天，聊到一個讓人心裡一沉的觀察：乳癌不知道為什麼，好像有年輕化的趨勢。更讓人意外的是，乳癌和很多其他癌症不太一樣——一旦確診，很容易得把手術、化療、免疫治療整套走完一輪，幾乎是「全餐」等級的辛苦。
我們都希望 AI 能幫人類更快攻克這些疾病。如果有一天，癌症也能像打疫苗一樣提早預防；如果研究可以更多仰賴電影裡那種精準模擬，或是晶片、類器官這樣的替代模型，不用犧牲那麼多實驗動物，也不用讓病人承受那麼多輪人體試驗的風險與等待；如果有一天，合成一款真正屬於「這一個人」的解藥，速度快到病人睡一覺醒來就好了——那該有多好。
那一天還沒到。但在實驗室裡，有些事情已經開始改變。
把免疫細胞當成藥，藥效要怎麼量？
「全餐」裡最新的一段是免疫治療。CAR-T、TCR-T 這類細胞治療，是把病人自己的免疫細胞改造成藥，而這種藥有一個化學小分子沒有的難題：它的藥效沒辦法用純度或濃度定義，只能回答一個問題——它殺不殺得死癌細胞，殺得有多快。
過去回答這個問題靠的是終點法：流式細胞儀、LDH release，選定一個時間點，把樣本破壞掉，數還剩多少活細胞。但毒殺是一個持續數十小時的過程，終點法只能給你過程結束後的一張快照，中間發生了什麼、什麼時候開始發生，全部看不到。
一份即時 CAR-T 毒殺定量試驗換了做法：用 ImageXpress Nano 搭配 InCarta 軟體，對 CAR-T 與癌細胞的共培養進行 72 小時縮時攝影，SINAP 深度學習分割模組經過 500 次自動再訓練，學會分辨懸浮的 T 細胞與貼附的癌細胞。在高抗原表現的癌細胞株上，CAR-T 在 24 小時內就明顯聚集包圍，低抗原表現的陰性對照則持續增生；以 Cell Index（細胞數相對起始值的變化率，小於 0 即代表細胞正在死亡）量化後，12–24 小時內就能測得清楚的毒殺效果，兩種 CAR-T 設計的效力高下也被明確分開——毒殺曲線本身，就成了比較不同 CAR 設計優劣的定量數據。
同樣的方法論，在 TNBC（Triple-Negative Breast Cancer，三陰性乳癌）上已經走得更遠。2024 年，荷蘭 Erasmus MC 團隊在《Cancer Discovery》發表了一項研究：他們從大量 TNBC 組織與健康組織的系統性比對中，篩出一個新標的 ROPN1（Ropporin-1）——這個蛋白原本只在睪丸組織表現，卻在超過 90% 的 TNBC 原發灶與轉移灶中被檢出，健康組織裡幾乎測不到。團隊從健康捐贈者的 T 細胞庫中篩出 25 個以上的克隆化 TCR，最後鎖定一株高特異性的 FLY-A，對患者來源的三維腫瘤類器官做到劑量依賴性殺傷，在小鼠模型中讓腫瘤顯著縮小甚至完全消退，療效優於現行標準治療的順鉑化療與抗體藥物複合體 sacituzumab govitecan。
支撐這些結論的，是用 ImageXpress Micro 高內涵影像系統對病人來源類器官做的長時間螢光成像：追蹤不同 T 細胞組別對腫瘤生長的抑制效果，再結合明場影像連續記錄類器官的大小與數量變化。不破壞樣本、連續量化，讓毒殺的全貌比終點法更早、也更完整地被看見。對那些確診當下幾乎只剩化療可選的病人來說，這種研究每往前一步，可選的路就多一條。
少用一點動物，能不能問到一樣的答案
這幾年，FDA 等主要法規機構開始鬆綁，不再堅持動物試驗是新藥開發唯一的必經之路；類器官、器官晶片這類替代模型有了自己的名字——NAM（New Approach Methodologies，新方法學），並且正在被認真評估。
在腫瘤上，這條路已經相對成熟。乳腺類器官不但存在，而且早就成規模：2018 年《Cell》上的一份研究建立了超過 100 株乳癌類器官品系，涵蓋原發與轉移腫瘤，並保留了原始腫瘤的組織病理特徵與荷爾蒙受體、HER2 狀態——換句話說，定義三陰性乳癌的那三個「陰性」，在培養皿裡依然成立。前面那份 TCR-T 研究用的病人來源類器官，正是這條路線的延伸。
只是腫瘤類器官回答的，本質上是一個數數字的問題：癌細胞還剩幾顆、體積縮小了多少。分割演算法算得出來，就有答案。而動物實驗真正在問的，多半不是這個——更多時候問的是，這個藥會不會傷到不該傷的地方，器官還能不能正常運作。麻煩就出在這裡：細胞可以看起來完好無損，功能卻已經停擺；面對這個問題，形態學是沉默的。
腦是這個難題的極端值。iPSC 衍生腦類器官（dorsal forebrain organoid）在培養 60 天後會開始出現自發性鈣離子震盪，這是神經活性最直接的功能訊號。但鈣震盪其實有兩種：同步（synchronous）震盪會擴散貫穿整顆類器官，用 FLIPR Penta 這類高速動力學讀值系統就能穩定偵測，培養到 75–87 天時約 40–50% 的類器官會出現；非同步（asynchronous）震盪則更常出現在發育較早期、數量也更多，這種訊號動力學讀值儀器完全測不到，唯一能捕捉到它的方法，是用高內涵影像系統做縮時攝影，追蹤螢光強度與其標準差在單一細胞或局部區域裡的變化。只靠讀值儀器篩選，等於一開始就漏掉了大半的神經活性。
測得到，才談得上建模。同一套系統被拿去做了兩個原本得用動物才能做的實驗：用 4-AP 刺激誘發癲癇樣的震盪頻率上升，再用 valproic acid 讓頻率回落，重現了臨床抗癲癇藥物的作用模式；用 Pu·MA System 對類器官施加 1–3 atm 的壓力脈衝模擬創傷性腦損傷（TBI），同步震盪活性應聲下降，48 小時後細胞活性也出現輕微衰退，而給予 4-AP 後，受損的同步發放活性可以部分恢復。
但測得到只是第一關，養得出來才是第二關
一顆腦類器官的養成是以月計算的：第 6 天大約 300 µm，第 15 天長到 700 µm 左右，要到第 60 天前後接近 2000 µm，才具備做功能測試的成熟度。這兩個月裡，第 25 天之前每 2 天就得換一次液，第 43 天之後每 2–3 天一次，中間還得定期確認每一顆的發育狀況。一批養下來要經手數十次操作，而任何一次污染、一次漏掉的換液，賠掉的可能就是整批兩個月。類器官長期難以用來做化合物篩選，卡住的往往不是模型做不出來，而是規模做不起來。
CellXpress.ai 自動化培養系統接手的，正是這段養成期：液體處理、自動培養箱，以及培養盤在培養箱、造影儀與液體處理器之間的搬運，全部交由排程軟體按表操課，換液、攪動、定期造影不再需要有人守著時間表。值得一提的是，它的「監測」本身就是影像——以 2X 透射光定期拍攝，再由影像分析自動辨識出類器官、量出面積、直徑與密度，讓養成過程中的每一次體檢都留下可比較的數據。從養到測，這條線上重複發生的其實是同一件事：讓機器看懂細胞現在長成什麼樣、處在什麼狀態。
這套流程也還稱不上全自動——最初的 iPSC 接種仍由人工完成，自動化是在那之後才接手長期培養的。但少了這一段，NAM 只會停在概念：模型再逼真，一次只養得出幾顆，也撐不起一場篩選。
AI 與科學家的協作，到底改變了什麼？沒改變什麼？
改變的是「看得到什麼」。過去測不到的非同步鈣震盪、過去只能等終點才知道答案的毒殺過程，現在都成了可以連續追蹤、量化比較的數據；過去非得用動物才能問的問題，現在有一部分可以先在類器官上問一輪。改變的還有「做得出多少」——當兩個月的照顧從人力的極限裡被拿出來，模型才有機會從展示品變成真的能拿來篩選的工具。
沒改變的是判斷。AI 分割得再準，也不會替研究者決定這個結果合不合理、值不值得往下一步走；類器官再逼真，也還不是完整的人體。睡一覺醒來就治好的那一天，還沒到——但上面每一個實驗，都是把通往那一天的路走得更穩、更快的一步。
| 樣本層級 | 傳統痛點 | AI 解法 | 驗證數據 | 關鍵指標 |
|---|---|---|---|---|
| 2D 高通量篩選 | 人工調閾值、跨批次不一致 | 深度學習分割＋表型特徵分群 | GPCR＋Cell Painting 實測 | Z′＝0.75、擷取快 100% |
| 3D 靜態類器官 | 隨機分佈、命中率低、訊噪比不足 | 定位重拍＋客製分割＋型態分類 | CRC 類器官實測 | 訊噪比提升 2.6–4.5 倍、EC50/IC50 可重現 |
| 3D 動態／功能性類器官 | 非同步訊號測不到；且養成期長、通量受限 | 縮時影像追蹤螢光強度與標準差，區分同步／非同步；自動化培養與定期影像監測 | iPSC 腦類器官鈣震盪、癲癇／TBI 疾病模型 | 40–50% 樣本可被讀值儀器測到，其餘非同步訊號唯影像可測；60 天養成全程自動換液監測 |
| 細胞治療效力測試 | 終點法（流式細胞儀／LDH release）破壞樣本、無法連續觀察 | 即時活細胞影像＋AI 分割量化毒殺動力學 | CAR-T 即時毒殺實測＋TNBC TCR-T（Cancer Discovery 2024） | 12–24 小時內測得毒殺效果、ROPN1 逾九成 TNBC 表現率 |
表格可左右滑動檢視完整內容
四個層級用的是同一套工具鏈：CellXpress.ai 把類器官從養成階段就自動化並持續造影監測，ImageXpress HCS.ai 與 ImageXpress Nano 負責長時間縮時擷取，IN Carta 影像分析平台的 SINAP 深度學習分割把影像變成數據。這一切，很快會有更強的引擎接手——敬請期待。想了解這些工具怎麼用在您的篩選或效力測試流程，歡迎透過 Just Click It：Revolutionizing Cellular Imaging with AI 預約 demo 或洽詢報價。
而在那之前，請記得一件事：AI 讀懂細胞這件事，現在已經不只是讀懂形狀，也讀懂了正在發生的變化——而每一分鐘測得到的變化，都可能是那些正在等待的病人，等得起的時間。
參考資料
- 上集｜AI 讀懂細胞的那一刻，原來的分析流程已經落伍 MDTWHK，2026
- Kortleve D, et al. TCR-Engineered T Cells Directed against Ropporin-1 Constitute a Safe and Effective Treatment for Triple-Negative Breast Cancer. Cancer Discovery. 2024;14(12):2450–2470.
- Sachs N, et al. A Living Biobank of Breast Cancer Organoids Captures Disease Heterogeneity. Cell. 2018.
- Kiesgen S, et al. Comparative analysis of assays to measure CAR T-cell-mediated cytotoxicity. Nature Protocols. 2021;16(3):1331–1342.
- Molecular Devices 應用文獻｜即時 CAR-T 毒殺定量試驗（Realtime CAR-T Cytotoxicity Assay）：ImageXpress Nano ＋ InCarta，72 小時縮時攝影與 SINAP 深度學習分割。
- Molecular Devices Poster 2842｜Modeling neuronal diseases with automatically generated iPSC-derived dorsal forebrain 3D organoids.
- Molecular Devices Poster 2790B｜Fully automated development of iPSC-derived 3D neural organoids and functional analysis of calcium oscillation activity.
本文所引數據均出自上列文獻與 Molecular Devices 實測資料；文中未涉及任何尚未發表之產品規格、價格或上市時程。
留言
張貼留言