Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'AI peut aider avec le diagnostic des lymphomes de lymphocyte B et des leucémies relatives

La présence du cancer du système lymphatique est souvent déterminée en analysant des échantillons provenant du sang ou de la moelle osseuse. Une équipe aboutie par le prof. M. Peter Krawitz à partir de l'université de Bonn avait déjà prouvé en 2020 que l'artificial intelligence peut aider avec le diagnostic de tels lymphomes et leucémies. La technologie utilise entièrement le potentiel de toutes les valeurs de mesure et augmente la vitesse ainsi que l'objectivité des analyses comparées aux procédés déterminés. La méthode a été maintenant encore développée de sorte qu'encore de plus petits laboratoires puissent tirer bénéfice de cette méthode librement accessible d'apprentissage automatique - une étape importante vers la pratique clinique. L'étude a maintenant été publiée dans le tourillon « modèle ».

Les ganglions lymphatiques deviennent gonflés, il y a perte de poids et fatigue, ainsi que fièvres et infections - ce sont des sympt40mes particuliers des lymphomes malins de lymphocyte B et des leucémies relatives. Si on soupçonne un tel cancer du système lymphatique, le médecin prélève un échantillon de sang ou de moelle osseuse et l'envoie aux laboratoires spécialisés. C'est où la cytométrie de flux entre. La cytométrie de flux est une méthode dans laquelle les globules sanguins circulent à travers des détecteurs de mesure à la grande vitesse. Les propriétés des cellules peuvent être trouvées selon leur forme, structure ou coloration. Le dépistage et la caractérisation précise des cellules pathologiques est important en effectuant un diagnostic.

Les laboratoires emploient des « anticorps » ce dock sur la surface des cellules et sont accouplés aux teintures fluorescentes. De telles bornes peuvent également être employées pour trouver de petites différences entre les cellules cancéreuses et les globules sanguins en bonne santé. La cytométrie de flux produit d'un grand nombre de caractéristiques. En moyenne, plus de 50.000 cellules sont mesurées selon l'échantillon. Ces caractéristiques s'analysent alors type sur l'écran en traçant l'expression des bornes utilisées les uns contre les autres.

Mais avec 20 bornes, le docteur devrait déjà comparer environ 150 images bidimensionnelles. C'est pourquoi il est habituellement trop coûteux pour tamiser complètement par l'ensemble de données entier. »

Prof. M. Peter Krawitz, institut pour des statistiques génomiques et la bio-informatique, centre hospitalier universitaire Bonn

Pour cette raison, Krawitz, avec les bioinformaticians Nanditha Mallesh et Zhao maximum, vérifié comment l'artificial intelligence peut être employé pour analyser des caractéristiques de cytométrie. L'équipe a considéré plus de 30.000 ensembles de données des patients présentant le lymphome de lymphocyte B former l'artificial intelligence (AI). La « AI profite pleinement des caractéristiques et augmente la vitesse et objectivité des diagnostics, » dit l'auteur important Nanditha Mallesh. Le résultat des bilans d'AI est un diagnostic proposé qui toujours les besoins d'être vérifié par le médecin. Dans le procédé, l'AI fournit des signes des cellules remarquables.

Les spécialistes ont réexaminé les résultats de l'artificial intelligence

Des prises de sang et les caractéristiques de cytometer ont été obtenues à partir du laboratoire de leucémie de Munich (MLL), du Charité - d'Universitätsmedizin Berlin, du centre hospitalier universitaire Erlangen et du centre hospitalier universitaire de Bonn. Les spécialistes de ces institutions ont examiné les résultats de l'artificial intelligence. « L'étalon-or est diagnostic par les hématologues, qui peuvent également tenir compte des résultats des tests complémentaires, » Krawitz dit. « La remarque d'employer l'AI n'est pas de remonter des médecins, mais d'effectuer la meilleure utilisation d'information contenue dans les caractéristiques. » La caractéristique neuve grande des mensonges maintenant présentés d'AI dans la possibilité de transfert de la connaissance : En particulier de plus petits laboratoires qui ne peuvent pas avoir les moyens leurs propres compétences de bio-informatique et peuvent également avoir trop peu d'échantillons pour développer leur propre AI à partir de zéro peuvent tirer bénéfice de ceci. Après une phase courte de formation, l'où l'AI apprend les détails du laboratoire neuf, il peut alors entraîner sur la connaissance dérivée de beaucoup de milliers d'ensembles de données.

Toutes les données brutes et le logiciel complet sont source ouverte et pour cette raison librement accessible. De plus, le mechanica de recherche Gmbh, qui était impliqué dans l'étude, a développé un service d'âme qui rend l'artificial intelligence utilisable même pour des usagers sans compétences de bio-informatique. « Avec https://hema.to, nous voulons activer l'échange des caractéristiques anonymized de cytométrie de flux entre les laboratoires et de cette façon produire les conditions pour encore plus de haute qualité dans la diagnose, » dit M. Hannes Lüling de mechanica de recherche.

Potentiel grand

L'équipe voit le potentiel énorme en cette technologie. Les chercheurs pour cette raison veulent également collaborer avec des principaux constructeurs de matériel et logiciel d'analytique pour avancer davantage l'utilisation de l'artificial intelligence. Dans le cas des caractéristiques génétiques et cytomorphological de lymphomes de lymphocyte B, par exemple, sont également rassemblés pour confirmer les diagnostics. « Si nous réussissons à employer l'AI pour ces méthodes aussi bien, nous aurions bien plus de puissant outil, » dit Krawitz, qui est également un membre du boîtier de l'excellence ImmunoSensation2 à l'université de Bonn. L'artificial intelligence développé peut également être employé en principe pour des diagnostics des rhumatismes, qui souvent sont également basés sur des caractéristiques de cytométrique de flux.

Le premier Nanditha Mallesh auteur présentera les résultats de l'enquête à la rencontre annuelle de la société allemande pour l'hématologie et l'oncologie médicale à Berlin début octobre.

Source:
Journal reference:

Mallesh, N., et al. (2021) Knowledge transfer to enhance the performance of deep learning models for automated classification of B-cell neoplasms. Patterns. doi.org/10.1016/j.patter.2021.100351.