給血細胞分類(lèi)可讓人工智能來(lái)干

德國亥姆霍茲慕尼黑研究中心和慕尼黑大學(xué)的研究人員首次發(fā)現，在對急性髓細胞性白血病患者的血樣進(jìn)行分類(lèi)方面，深度學(xué)習算法表現出色。這一概念驗證研究為將來(lái)廣泛使用對樣品的自動(dòng)化、標準化分析鋪平了道路。該論文發(fā)表在《自然·機器智能》雜志上。

研究人員每天要在醫學(xué)實(shí)驗室和診所評估數百萬(wàn)個(gè)血細胞以診斷疾病，將其分為大約15個(gè)不同的類(lèi)別。這些重復性工作大多數依靠人工完成，容易導致樣品質(zhì)量變化，并且要依靠專(zhuān)家和專(zhuān)業(yè)知識。

為了更有效地評估單個(gè)血細胞，研究團隊開(kāi)發(fā)了神經(jīng)元深度學(xué)習網(wǎng)絡(luò )，用了將近20000張單獨的圖像對其進(jìn)行訓練，使其能夠對細胞進(jìn)行獨立分類(lèi)。由卡斯滕·馬爾博士領(lǐng)導的團隊使用了從100例侵襲性血液病AML患者和100例對照的血液涂片中提取的圖像，然后通過(guò)將其與人類(lèi)專(zhuān)家的準確性進(jìn)行比較，來(lái)評估這種新的自動(dòng)化解決方案。

用于圖像處理的深度學(xué)習算法需要兩個(gè)基本條件：具有數千個(gè)參數的合適的神經(jīng)網(wǎng)絡(luò )體系結構和足夠的訓練數據。到目前為止，還沒(méi)有大量的數字化血細胞記錄，盡管這些樣品每天都在診所使用。亥姆霍茲慕尼黑研究中心的研究小組提供了此類(lèi)的第一個(gè)大型數據集。目前，馬爾團隊與慕尼黑大學(xué)醫學(xué)和綜合診所III，以及慕尼黑白血病實(shí)驗室緊密合作，用數字化完成了數百例患者血液涂片。

“將我們的方法付諸實(shí)踐，將患者的血液涂片數字化需要成為常規，還要對不同來(lái)源的樣品進(jìn)行算法訓練，以了解樣品制備和染色過(guò)程中固有的異質(zhì)性?！瘪R爾說(shuō)，“我們能夠證明深度學(xué)習算法的性能與細胞學(xué)家一樣好。下一步我們將研究使用這種新的AI驅動(dòng)方法如何預測其他疾病，例如基因突變或易位?！?nbsp;