Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El AI puede ayudar con la diagnosis de los linfomas del linfocito B y de las leucemias relacionadas

La presencia de cáncer del sistema linfático es determinada a menudo analizando muestras de la sangre o de la médula. Las personas llevadas por el profesor el Dr. Peter Krawitz de la universidad de Bonn habían mostrado ya en 2020 que la inteligencia artificial puede ayudar con la diagnosis de tales linfomas y leucemias. La tecnología utiliza completo el potencial de todos los valores de la medición y aumenta la velocidad así como la objetividad de los análisis comparados a los procesos establecidos. El método ahora se ha desarrollado más a fondo de modo que incluso laboratorios más pequeños puedan beneficiarse de este método libremente accesible del aprendizaje de máquina - un paso importante hacia práctica clínica. El estudio ahora se ha publicado en el gorrón “modela”.

Los ganglios linfáticos llegan a ser hinchados, hay baja y fatiga de peso, así como fiebres e infecciones - éstos son síntomas típicos de los linfomas malos del linfocito B y de las leucemias relacionadas. Si tal cáncer del sistema linfático se sospecha, el médico recoge una sangre o una muestra de la médula y la envía a los laboratorios especializados. Aquí es adonde viene el cytometry de flujo hacia adentro. El cytometry de flujo es un método en el cual los glóbulos fluyen más allá de los sensores de la medición en la velocidad. Las propiedades de las células se pueden descubrir dependiendo de su forma, estructura o colorante. La detección y la caracterización exacta de células patológicas es importantes al hacer una diagnosis.

Los laboratorios utilizan los “anticuerpos” esa plataforma de inspección a la superficie de las células y se acoplan a los tintes fluorescentes. Tales marcadores se pueden también utilizar para descubrir pequeñas diferencias entre las células cancerosas y los glóbulos sanos. El cytometry de flujo genera una gran cantidad de datos. Por término medio, más de 50.000 células se miden por muestra. Estos datos entonces son analizados típicamente en la pantalla trazando la expresión de los marcadores usados cara a cara.

Pero con 20 marcadores, el doctor tendría que ya comparar cerca de 150 imágenes bidimensionales. Por eso es generalmente demasiado costosa tamizar a conciencia a través del conjunto de datos entero.”

Profesor el Dr. Peter Krawitz, instituto para las estadísticas y la bioinformática Genomic, hospital Bonn de la universidad

Por este motivo, Krawitz, así como los bioinformaticians Nanditha Mallesh y Zhao máximo, investigado cómo la inteligencia artificial se puede utilizar para analizar datos del cytometry. Las personas consideraban más de 30.000 conjuntos de datos de pacientes con linfoma del linfocito B entrenar a la inteligencia artificial (AI). El “AI aprovecha completo de los datos y aumenta la velocidad y objetividad de diagnosis,” dice al autor importante Nanditha Mallesh. El resultado de las evaluaciones del AI es una diagnosis sugerida que aún las necesidades de ser verificado por el médico. En el proceso, el AI ofrece indicaciones de células visibles.

Los especialistas revisaron los resultados de la inteligencia artificial

Las muestras de sangre y los datos del cytometer fueron obtenidos del laboratorio de la leucemia de Munich (MLL), del Charité - de Universitätsmedizin Berlín, del hospital Erlangen de la universidad y del hospital de la universidad de Bonn. Los especialistas de estas instituciones examinaron los resultados de la inteligencia artificial. “El patrón oro es diagnosis por los hematólogos, que pueden también tener en cuenta resultados de pruebas adicionales,” Krawitz dice. “El punto de usar el AI no es reemplazar a médicos, pero hacer el mejor uso de la información contenida en los datos.” La gran nueva característica ahora de las actuales mentiras del AI en la posibilidad de la transferencia del conocimiento: Determinado laboratorios más pequeños que no pueden permitirse su propia experiencia de la bioinformática y pueden también tener demasiado pocas muestras para desarrollar su propio AI a partir de cero pueden beneficiarse de esto. Después de una fase corta del entrenamiento, durante la cual el AI aprende los específicos del nuevo laboratorio, puede entonces drenar en el conocimiento derivado de muchos millares de conjuntos de datos.

Todas las informaciones en bruto y el software completo son fuente abierta y por lo tanto libremente accesible. Además, el mechanica del res GmbH, que estuvo implicado en el estudio, ha desarrollado un servicio web que hace la inteligencia artificial usable incluso para los utilizadores sin experiencia de la bioinformática. “Con https://hema.to, queremos habilitar la cantina de los datos anonymized del cytometry de flujo entre los laboratorios y de esta manera crear las condiciones para incluso más de alta calidad en diagnósticos,” dice al Dr. Hannes Lüling del mechanica del res.

Gran potencial

Las personas ven potencial enorme en esta tecnología. Los investigadores por lo tanto también quieren colaborar con los fabricantes importantes de equipo y de software del analytics para avance más lejos el uso de la inteligencia artificial. En el caso de datos genéticos y cytomorphological de los linfomas del linfocito B, por ejemplo, también cerco para confirmar las diagnosis. “Si tenemos éxito al usar el AI para estos métodos también, tendríamos una herramienta aún más potente,” dice a Krawitz, que es también una pieza del atado de la excelencia ImmunoSensation2 en la universidad de Bonn. La inteligencia artificial desarrollada se puede en principio también utilizar para las diagnosis de las enfermedades reumáticas, que a menudo también se basan en datos cytometric del flujo.

Primer Nanditha Mallesh autor presentará los resultados del estudio en la reunión anual de la sociedad alemana para la hematología y la oncología médica en Berlín a principios de octubre.

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.