淋巴系统癌症的存在通常通过分析来自血液或骨髓的样本来确定。由波恩大学的 Peter Krawitz 教授领导的团队在 2020 年已经表明，人工智能可以帮助诊断此类淋巴瘤和白血病。该技术充分利用了所有测量值的潜力，与既定流程相比，提高了分析的速度和客观性。该方法现已得到进一步发展，因此即使是较小的实验室也可以从这种可免费访问的机器学习方法中受益——这是迈向临床实践的重要一步。该研究现已发表在“模式”杂志上。
淋巴结肿大，体重减轻和疲劳，以及发烧和感染——这些都是恶性 B 细胞淋巴瘤和相关白血病的典型症状。如果怀疑淋巴系统癌症，医生会采集血液或骨髓样本并将其送到专业实验室。这就是流式细胞术的用武之地。流式细胞术是一种血细胞高速流过测量传感器的方法。可以根据细胞的形状、结构或颜色来检测细胞的特性。在进行诊断时，病理细胞的检测和准确表征非常重要。
实验室使用停靠在细胞表面并与荧光染料偶联的“抗体”。此类标记还可用于检测癌细胞和健康血细胞之间的微小差异。流式细胞术产生大量数据。平均而言，每个样品可测量超过 50,000 个细胞。然后通常通过绘制彼此使用的标记的表达在屏幕上分析这些数据。“但是如果有 20 个标记，医生就必须比较大约 150 个二维图像，”波恩大学医院基因组统计和生物信息学研究所的 Peter Krawitz 教授说。“这就是为什么彻底筛选整个数据集通常成本太高。”
出于这个原因，Krawitz 与生物信息学家 Nanditha Mallesh 和 Max Zhao 一起研究了如何使用人工智能来分析细胞计数数据。该团队考虑了来自 B 细胞淋巴瘤患者的 30,000 多个数据集来训练人工智能 (AI)。“人工智能充分利用了数据，提高了诊断的速度和客观性，”主要作者 Nanditha Mallesh 说。AI 评估的结果是建议的诊断，但仍需要医生进行验证。在这个过程中，人工智能提供了显眼细胞的迹象。
专家评审人工智能成果
血液样本和细胞仪数据来自慕尼黑白血病实验室 (MLL)、柏林慈善大学、埃尔兰根大学医院和波恩大学医院。这些机构的专家检查了人工智能的结果。“黄金标准是血液学家的诊断，这也可以考虑额外测试的结果，”Krawitz 说。“使用人工智能的目的不是取代医生，而是充分利用数据中包含的信息。”现在提出的人工智能的伟大新特征在于知识转移的可能性：特别是无法负担自己的生物信息学专业知识并且样本太少而无法从头开发自己的人工智能的小型实验室可以从中受益。经过短暂的训练阶段，
标签：
免责声明：本文由用户上传，如有侵权请联系删除！