人工智能可以帮助诊断白血病

淋巴系统的存在的癌症通常是由分析样本血液或骨髓。彼得博士教授领导的研究小组Krawitz波恩大学的已经2020年,人工智能可以帮助诊断淋巴瘤和白血病等。技术充分利用所有测量值的潜力和增加的速度以及客观分析相比,建立的过程。这个方法现在已经进一步发展,这样更小的实验室可以受益于这种自由访问的机器学习方法——临床实践的一个重要的一步。这项研究已经发表在《华尔街日报》模式。

淋巴结肿大,有减肥和疲劳,以及发烧感染——这是典型的恶性b细胞淋巴瘤和白血病相关的症状。如果这样的怀疑癌症的淋巴系统,医生需要血液或骨髓样本并将其发送给专门的实验室。这就是流式细胞术。流式细胞术是一种方法,过去血细胞流动测量传感器在高速度。细胞能被探测到的属性取决于他们的形状、结构或着色。检测和准确描述病理细胞在进行诊断时是很重要的。

实验室使用“抗体”,码头的表面细胞和耦合的荧光染料。这么小的标记也可以用来检测不同癌细胞和健康的血细胞。流式细胞术生成大量数据。平均超过50000细胞测量样本。这些数据通常由策划的表达分析在屏幕上互相使用的标记。“但20标记,医生已经比较约150二维图像,”彼得博士教授说Krawitz基因组研究所的统计和生物信息学在波恩大学医院。“这就是为什么通常是过于昂贵彻底筛选整个数据集。”

出于这个原因,Krawitz,连同bioinformaticians Nanditha Mallesh马克斯赵,研究如何使用人工智能分析血细胞计数数据。团队认为超过30000 b细胞淋巴瘤患者的数据集来训练人工智能(AI)。“人工智能的充分利用数据,增加诊断的速度和客观性,”第一作者Nanditha说Mallesh。人工智能评估的结果是一个诊断建议仍然需要验证的医生。在这个过程中,人工智能提供的迹象明显的细胞。

人工智能专家审查的结果

血液样本和血细胞计数器数据从慕尼黑白血病实验室(MLL),获得的——柏林夏洛蒂埃尔兰根大学医院和波恩大学医院。人工智能专家从这些机构检查的结果。由血液学家“金标准诊断,也可以考虑额外测试的结果,“Krawitz说。“使用AI的点不是取代医生,而是充分利用数据中包含的信息。”The great new feature of the AI now presented lies in the possibility of knowledge transfer: Particularly smaller laboratories that cannot afford their own bioinformatics expertise and may also have too few samples to develop their own AI from scratch can benefit from this. After a short training phase, during which the AI learns the specifics of the new laboratory, it can then draw on knowledge derived from many thousands of data sets.

所有的原始数据和完整的软件是开源的,因此自由访问。此外,res mechanica GmbH,参与这项研究,开发了一个web服务,使人工智能为用户可用甚至没有生物信息学专业知识。“https://hema。,我们想启用匿名流式细胞仪之间的数据交换的实验室和以这种方式创建更高质量诊断的条件,“res mechanica汉斯·lule博士说。

巨大的潜力

这种技术的团队看到了巨大的潜力。研究人员因此也想与分析设备和软件的主要制造商合作进一步推动人工智能的使用。在b细胞淋巴瘤的情况下,例如,基因和cytomorphological数据也收集确认诊断。“如果我们成功地使用人工智能对这些方法,我们会有更强大的工具,“Krawitz说,他也是一个集群成员卓越ImmunoSensation2波恩大学。开发的人工智能原理也可用于诊断风湿性疾病,也往往是基于仪数据流。

参考:Mallesh N,赵M, Meintker L, et al .知识转移来提高性能的深度学习模型进行自动分类的B细胞肿瘤。模式。2021:100351。doi:10.1016 / j.patter.2021.100351

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。