淋巴系统癌症的存在通常是通过分析血液或骨髓样本来确定的。波恩大学彼得·克拉维茨教授领导的一个团队已经在2020年表明人工智能能帮助诊断这样的吗淋巴瘤和白血病．该技术充分利用了所有测量值的潜力，与现有的过程相比，提高了分析的速度和客观性。这种方法现在已经得到进一步的发展，因此即使是较小的实验室也可以从这种免费获取的方法中受益机器学习方法-迈向临床实践的重要一步。
淋巴结肿大，有体重减轻和疲劳，以及发烧和感染-这些是恶性b细胞淋巴瘤和相关白血病的典型症状。如果怀疑是淋巴系统的癌症，医生会取血样或骨髓样本送到专门的实验室。这就是流式细胞术的应用。流式细胞术是一种血液细胞高速流过测量传感器的方法。细胞的属性可以通过它们的形状、结构或颜色来检测。在作出诊断时，病理细胞的检测和准确表征是很重要的。
实验室使用的“抗体”附着在细胞表面，并与荧光染料结合。这种标记物也可以用来检测癌细胞和健康血细胞之间的细微差别。流式细胞术可以产生大量的数据。平均来说，每个样本有超过50,000个细胞被测量。然后，这些数据通常通过绘制相互使用的标记的表达在屏幕上进行分析。“但是有了20个标记，医生就必须比较大约150个二维图像，”克拉维茨说。“这就是为什么彻底筛选整个数据集的成本太高。”
为此，Krawitz与生物信息学家Nanditha Mallesh和Max Zhao一起研究了人工智能如何用于分析细胞计数数据。为了训练人工智能(AI)，研究小组考虑了来自b细胞淋巴瘤患者的3万多组数据。“人工智能充分利用了数据，提高了诊断的速度和客观性，”该研究的主要作者南迪萨·马莱什说。人工智能评估的结果是一种建议诊断，仍需要医生的验证。在这个过程中，人工智能提供明显细胞的迹象。
广告
广告
专家们审查了人工智能的结果
血液样本和细胞仪数据来自慕尼黑白血病实验室(MLL)、柏林Charité - Universitätsmedizin、埃尔兰根大学医院和波恩大学医院。这些机构的专家检验了人工智能的结果。“黄金标准是由血液学家进行诊断，这也可以考虑到其他测试的结果，”Krawitz说。“使用人工智能的目的不是取代医生，而是最好地利用数据中包含的信息。”人工智能的一大新特点在于知识转移的可能性:特别是那些负担不起自己的生物信息学专业知识的小型实验室，可能也没有足够的样本来从头开发自己的人工智能，它们可以从中受益。经过一个短暂的训练阶段，在此期间，人工智能学习新实验室的细节，然后它可以从数千个数据集中获取知识。
所有原始数据和完整的软件都是开源的，因此可以自由访问。此外，参与这项研究的res mechanica GmbH已经开发了一种网络服务，可以让人工智能甚至对没有生物信息学专业知识的用户也可用。”https://hema.to，我们希望能够在实验室之间交流匿名流量细胞仪数据，并以这种方式为诊断中的甚至更高质量创造条件，“Res Mechanica的HannesLüling博士说。
巨大的潜力
该团队看到了这项技术的巨大潜力。因此，研究人员还希望与分析设备和软件的主要制造商合作，以进一步推进人工智能的使用。例如，在b细胞淋巴瘤的情况下，也收集遗传和细胞形态学数据来确认诊断。“如果我们也成功地将人工智能用于这些方法，我们将拥有一个更强大的工具，”Krawitz说，他也是波恩大学免疫感知卓越小组的成员。开发的人工智能原则上也可以用于风湿病的诊断，这通常也是基于流式细胞术数据。
来源：波恩大学
