Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il AI può aiutare con la diagnosi dei linfomi del linfocita B e delle leucemie relative

La presenza di cancro del sistema linfatico è determinata spesso analizzando i campioni dal sangue o dal midollo osseo. Un gruppo piombo da prof. il Dott. Peter Krawitz dall'università di Bonn già aveva indicato nel 2020 che l'intelligenza artificiale può aiutare con la diagnosi di tali linfomi e leucemie. La tecnologia completamente utilizza il potenziale di tutti i valori di misura ed aumenta la velocità come pure l'obiettività delle analisi confrontate ai trattamenti stabiliti. Il metodo ora più ulteriormente è stato messo a punto in moda da ancora potere trarre giovamento i più piccoli laboratori da questo metodo liberamente accessibile di apprendimento automatico - un punto importante verso pratica clinica. Lo studio ora è stato pubblicato nel giornale “modella„.

I linfonodi sono gonfiati, ci sono perdita di peso e fatica come pure febbri ed infezioni - questi sono sintomi tipici dei linfomi maligni del linfocita B e delle leucemie relative. Se un tal cancro del sistema linfatico è sospettato, il medico preleva un sangue o un campione del midollo osseo e lo invia ai laboratori specializzati. Ciò è dove la citometria a flusso entra. La citometria a flusso è un metodo in cui i globuli scorrono dopo i sensori di misura all'alta velocità. I beni delle celle possono essere individuati secondo la loro forma, struttura o coloritura. La rilevazione e la caratterizzazione accurata delle celle patologiche è importanti quando fa una diagnosi.

I laboratori usano “gli anticorpi„ quel bacino alla superficie delle celle e sono accoppiati alle tinture fluorescenti. Tali indicatori possono anche essere usati per individuare le piccole differenze fra le cellule tumorali ed i globuli in buona salute. La citometria a flusso genera un gran numero di dati. In media, più di 50.000 celle sono misurate per campione. Questi dati poi sono analizzati tipicamente sullo schermo tracciando l'espressione degli indicatori usati faccia a faccia.

Ma con 20 indicatori, il medico già dovrebbe confrontare circa 150 immagini bidimensionali. Ecco perché è solitamente troppo costosa per setacciare completamente attraverso l'intero insieme di dati.„

Prof. Dott. Peter Krawitz, istituto per le statistiche genomiche e la bioinformatica, ospedale universitario Bonn

Per questo motivo, Krawitz, insieme ai bioinformaticians Nanditha Mallesh e Zhao massimo, esaminatore come l'intelligenza artificiale può essere usata per analizzare i dati di cytometry. Il gruppo ha considerato più di 30.000 insiemi di dati dai pazienti con linfoma del linfocita B di preparare l'intelligenza artificiale (AI). “il AI trar massimo vantaggio dai dati ed aumenta la velocità ed obiettività delle diagnosi,„ dice l'autore principale Nanditha Mallesh. Il risultato delle valutazioni di AI è una diagnosi suggerita che ancora necessità di essere verificato dal medico. Nel trattamento, il AI fornisce le indicazioni delle celle cospicue.

Gli specialisti hanno esaminato i risultati di intelligenza artificiale

I campioni di sangue ed i dati di cytometer sono stati ottenuti dal laboratorio di leucemia di Monaco di Baviera (MLL), dal Charité - da Universitätsmedizin Berlino, dall'ospedale universitario Erlangen e dall'ospedale universitario di Bonn. Gli specialisti da queste istituzioni hanno esaminato i risultati di intelligenza artificiale. “Il sistema monetario aureo è diagnosi dagli ematologi, che possono anche considerare i risultati delle prove supplementari,„ Krawitz dice. “Il punto di usando il AI non è di sostituire i medici, ma di fare il migliore uso delle informazioni contenute nei dati.„ La grande nuova funzionalità delle bugie ora presentate di AI nella possibilità del trasferimento di conoscenza: Specialmente i più piccoli laboratori che non possono permettersi la loro propria competenza di bioinformatica e possono anche avere troppo pochi campioni per sviluppare il loro proprio AI da zero possono trarre giovamento da questo. Dopo una breve fase di addestramento, durante cui il AI impara i particolari di nuovo laboratorio, può poi attingere la conoscenza derivata da molte migliaia di insiemi di dati.

Tutti i dati grezzi ed il software completo sono open source e quindi liberamente accessibile. Inoltre, il mechanica di ricerca Gmbh, che è stato compreso nello studio, ha sviluppato un web service che rende l'intelligenza artificiale utilizzabile anche per gli utenti senza competenza di bioinformatica. “Con https://hema.to, vogliamo permettere allo scambio di dati anonymized di citometria a flusso fra i laboratori e in questo modo creare i termini per ancora più di alta qualità nei sistemi diagnostici,„ dice il Dott. Hannes Lüling del mechanica di ricerca.

Grande potenziale

Il gruppo vede il potenziale enorme in questa tecnologia. I ricercatori quindi egualmente vogliono collaborare con i produttori importanti dell'analisi dei dati strumentazione e software più ulteriormente per avanzare l'uso di intelligenza artificiale. Nel caso dei dati genetici e cytomorphological di linfomi del linfocita B, per esempio, egualmente sono raccolti per confermare le diagnosi. “Se riusciamo a usando il AI per questi metodi pure, avremmo uno strumento ancor più potente,„ dice Krawitz, che è egualmente un membro del cluster di eccellenza ImmunoSensation2 all'università di Bonn. L'intelligenza artificiale sviluppata può in linea di principio anche essere usata per le diagnosi delle malattie reumatiche, che spesso egualmente sono basate sui dati cytometric di flusso.

Primo Nanditha Mallesh autore presenterà i risultati dello studio alla riunione annuale della società tedesca per l'ematologia e l'oncologia medica a Berlino all'inizio d'ottobre.

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.