[논문 리뷰] Deep optical neural network by living tumour brain cells

Davide Pierangeli, Valentina Palmieri외 6명|arXiv (Cornell University)|2018. 12. 09.

Random lasers and scattering media참고 문헌 24인용 수 10

한 줄 요약

이 연구는 살아있는 3차원 종양 구상체를 생물학적 계산 저류로 사용하여 깊이 있는 광학 신경망을 구현한다. 레이저 유도 고열 치료와 영상 전송을 활용함으로써, 기존 영상 기법보다 최소 10배 이상 높은 민감도로 종양의 형태역학적 변화와 화학요법 효과를 감지할 수 있으며, 하이브리드 광학/생물학적 신경망을 통해 비침습적이고 실시간으로 종양의 역학을 모니터링할 수 있다.

ABSTRACT

The new era of artificial intelligence demands large-scale ultrafast hardware for machine learning. Optical artificial neural networks process classical and quantum information at the speed of light, and are compatible with silicon technology, but lack scalability and need expensive manufacturing of many computational layers. New paradigms, as reservoir computing and the extreme learning machine, suggest that disordered and biological materials may realize artificial neural networks with thousands of computational nodes trained only at the input and at the readout. Here we employ biological complex systems, i.e., living three-dimensional tumour brain models, and demonstrate a random neural network (RNN) trained to detect tumour morphodynamics via image transmission. The RNN, with the tumour spheroid as a three-dimensional deep computational reservoir, performs programmed optical functions and detects cancer morphodynamics from laser-induced hyperthermia inaccessible by optical imaging. Moreover, the RNN quantifies the effect of chemotherapy inhibiting tumour growth. We realize a non-invasive smart probe for cytotoxicity assay, which is at least one order of magnitude more sensitive with respect to conventional imaging. Our random and hybrid photonic/living system is a novel artificial machine for computing and for the real-time investigation of tumour dynamics.

연구 동기 및 목표

• 실시간 종양 역학 모니터링을 위한 확장 가능하고 초고속 광학 신경망을 개발하기 위해.
• 기존 광학 신경망의 확장성과 비용 문제를 해결하기 위해 생물학적 물질을 계산 저류로 사용함으로써.
• 종양 구상체를 살아있는 광학 프로세서로 활용하여 비침습적이고 고민감도의 세포독성 검사를 실현하기 위해.
• 무질서한 생물학적 시스템이 최소한의 훈련으로도 복잡한 광학 계산을 수행할 수 있음을 입증하기 위해.

제안 방법

• 연구진은 3차원 간질종 종양 구상체를 광신호 처리를 위한 3차원 깊이 계산 저류로 사용하였다.
• 레이저 펄스가 구상체 내에서 고열 반응을 유도하였으며, 이는 종양의 형태역학적 변화에 따라 전달된 빛의 패턴을 변조시켰다.
• 구상체를 통과하는 영상 전송이 입력 및 출력 신호로 기능하였고, 구상체의 내부 구조는 무작위이고 비선형 매질로 작용하였다.
• 이 시스템은 저류 계산 원리를 활용하여 입력층과 독출층만 훈련된 무작위 신경망(RNN)으로 기능하였다.
• 화학요법 효과는 약물 노출 전후의 빛 전달 패턴 변화를 모니터링하여 정량화하였다.
• 기존 영상 방법과의 비교 검증을 통해 초기 세포독성 반응을 감지하는 데서 뛰어난 민감도를 보였다.

실험 결과

연구 질문

• RQ1 살아있는 종양 구상체는 실시간 종양 모니터링을 위한 깊이 있는 광학 신경망으로 기능할 수 있는가?
• RQ2 종양 구상체의 내부 형태학적 구조는 광신호 전달 및 계산에 어떤 영향을 미치는가?
• RQ3 이 시스템은 기존 영상 기법보다 종양 역학의 미세한 변화를 더 높은 민감도로 감지할 수 있는가?
• RQ4 생물학적 무질서한 물질이 신경망 아키텍처에서 엔지니어링된 광학 부품을 얼마나까지 대체할 수 있는가?
• RQ5 저류 계산 원리는 생물학적 생체 시스템에 효과적으로 적용되어 계산 및 진단 목적으로 활용될 수 있는가?

주요 결과

• 종양 구상체 기반 시스템은 레이저 고열 치료에 의해 유도된 종양의 형태역학적 변화를 높은 시간적·공간적 해상도로 감지하였다.
• 이 시스템은 기존 영상 기법 대비 세포독성 검사에서 최소 10배 이상 높은 민감도를 보였다.
• 빛 전달 패턴의 변화는 화학요법 노출 후 종양 성장 억제와 강하게 상관관계가 있었다.
• 입력 및 출력층만 훈련하여도 시스템이 신호 필터링 및 패턴 인식과 같은 프로그래밍 가능한 광학 기능을 성공적으로 수행하였다.
• 하이브리드 광학/생물학적 시스템은 외부 레이블링이나 복잡한 장비 없이도 비침습적이고 실시간으로 종양 역학을 모니터링할 수 있었다.
• 결과적으로 살아있는 생물학적 시스템이 생물의학 센서 및 머신러닝을 위한 확장 가능하고 저비용의 계산 플랫폼으로 활용될 수 있음을 입증하였다.