果蠅(俗稱果蠅)是研究人類心臟病理生理學(包括心臟衰老和心肌病)的寶貴模型。然而，評估果蠅心臟的一個瓶頸是需要人工干預，在心臟最大擴張或最大收縮時測量心臟，這些測量值可以計算心臟動力學。

阿拉巴馬大學伯明翰分校的研究人員現在展示了一種方法，可以顯著縮短分析所需的時間，同時利用更多的心臟區域，使用深度學習和高速視頻顯微鏡來記錄飛行中的每次心跳。

“我們的機器學習方法不僅速度快，還能最大限度地減少人為錯誤，因為你不必在收縮壓和舒張壓條件下手動標記每個心壁，”UAB病理學系、分子和細胞病理學部副教授 Girish Melkani 博士說道。“此外，你可以對數百顆心臟進行分析，并在完成所有心臟分析后查看分析結果。”

這可以擴展測試不同環境或遺傳因素如何影響心臟衰老或病理的能力。Melkani 設想使用深度學習輔助研究來探索心臟突變模型和其他小動物模型，例如斑馬魚和小鼠。“此外，我們的技術可以適用于人類心臟模型，為心臟健康和疾病提供寶貴的見解。結合不確定性量化方法可以進一步提高我們分析的可靠性。此外，機器學習方法可以高精度地預測心臟衰老。”

梅爾卡尼說，果蠅模型對于理解多種人類心血管疾病的病理生理基礎已經發揮了巨大作用。心血管疾病仍然是美國死亡和殘疾的主要原因之一。

Melkani 和 UAB 的同事評估了他們訓練的模型在果蠅心臟衰老和擴張型心肌病果蠅模型中的心臟表現，擴張型心肌病是由關鍵的 TCA 循環酶氧化戊二酸脫氫酶的敲除引起的。然后根據現有的實驗數據集驗證了這些自動評估。例如，對于一周齡果蠅和五周齡果蠅(大約是果蠅壽命??的一半)的衰老，UAB 團隊使用 54 顆心臟進行模型訓練，然后根據包含 177 顆心臟的實驗衰老模型驗證了他們的測量結果。他們的訓練模型能夠重建心臟參數隨衰老的預期趨勢。

Melkani 表示，他團隊的模型可以應用于現成的消費硬件，而他團隊的代碼可以提供計算統計數據，包括舒張壓和收縮壓直徑/間隔、縮短分數、射血分數、心動周期/心率和量化的心律失常。

“據我們所知，這種深度學習輔助分割的創新平臺是第一個應用于果蠅心臟標準高分辨率高速光學顯微鏡的平臺，同時還能量化所有相關參數，”Melkani 說。

“通過自動化流程并提供詳細的心臟統計數據，我們為更準確、更高效、更全面地研究果蠅的心臟功能鋪平了道路。這種方法具有巨大的潛力——不僅可以了解果蠅的衰老和疾病——還可以將這些見解轉化為人類心血管研究。”

這項研究的第一作者是阿拉巴馬大學病理學系的 Yash Melkani 和 Aniket Pant，論文題為“使用機器學習自動評估衰老和擴張型心肌病果蠅模型中的心臟動力學”，發表在《通訊生物學》雜志上。阿拉巴馬大學病理學系的 Yiming Guo 也是作者之一，Girish Melkani 是通訊作者。

資助來自美國國立衛生研究院撥款 AG065992、UAB Marnix E. Heersink 醫學院AMC21 撥款以及 UAB 病理學啟動資金。

在他的研究中，Girish Melkani 開發并使用臨床相關的果蠅模型來解決與心臟代謝疾病、肌原纖維肌病、蛋白質病、以及睡眠和衰老紊亂相關的人類晝夜節律/代謝紊亂的病理生理基礎。他還研究生活方式和遺傳因素如何維持細胞、組織和器官的結構完整性，進而決定生物體的生理學。