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 a pu aider mieux à diagnostiquer des hémopathies

Comment pouvons-nous améliorer diagnostiquons-nous des hémopathies ? Un organisme de recherche abouti par Helmholtz Munich vise à répondre à cette question avec l'artificial intelligence (AI). Leur objectif est de faciliter l'analyse longue des cellules de moelle osseuse sous le microscope. Les chercheurs ont élaboré jusqu'à présent la plus grande base de données d'open-source sur des images microscopiques des cellules de moelle osseuse. Ils l'emploient comme base pour un modèle d'AI avec le potentiel élevé pour la diagnose courante.

Chaque jour, cytologists autour du monde utilisent les microscopes optiques pour analyser et classifier des échantillons de milliers de cellules de moelle osseuse de périodes. Cette méthode pour diagnostiquer des hémopathies a été déterminée il y a plus de 150 ans, mais elle souffre d'être très complexe. Les cellules rares mais diagnostique importantes de recherche est une tâche laborieuse et longue. L'artificial intelligence a le potentiel d'amplifier cette méthode - cependant il a besoin d'un grand nombre de caractéristiques de haute qualité pour former un algorithme d'AI.

La plus grande base de données d'open-source pour des images de cellules de moelle osseuse

Les chercheurs de Helmholtz Munich ont élaboré jusqu'à présent la plus grande base de données d'accès ouvert sur des images microscopiques des cellules de moelle osseuse. La base de données se compose de plus de 170.000 images unicellulaires de plus de 900 patients présentant les hémopathies variées. C'est le résultat d'une collaboration de Helmholtz Munich avec le centre hospitalier universitaire Munich de LMU, le laboratoire de leucémie de MLL Munich (un des plus grands fournisseurs diagnostiques dans ce domaine mondial) et l'institut de Fraunhofer pour des circuits intégrés.

Utilisant la base de données pour amplifier l'artificial intelligence

« Sur notre base de données, nous avons développé un réseau neuronal qui surpasse des algorithmes d'apprentissage automatique précédents pour la catégorie de cellules en termes d'exactitude, mais également en termes de generalizability, » dit le chrétien Matek, auteur important de l'étude neuve. Le réseau neuronal profond est un concept d'apprentissage automatique particulièrement conçu pour traiter des images.

L'analyse des cellules de moelle osseuse n'a pas été encore exécutée avec de tels réseaux neuronaux avancés, qui est également due au fait que de haute qualité, des ensembles de données publics n'ont pas été procurable jusqu'ici. »

Chrétien Matek, auteur important

Les chercheurs visent à augmenter davantage leur base de données de cellules de moelle osseuse pour capter un choix plus large de découvertes et pour valider à titre estimatif leur modèle. « La base de données et le modèle sont librement procurables pour des buts de recherches et de formation - pour instruire des professionnels ou comme référence pour encore d'autres approches basées sur AI par exemple dans la diagnose de cancer de sang, » dit le Chef Carsten Marr d'étude.

Source:
Journal reference:

Matek, C., et al. (2021) Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set. Blood. doi.org/10.1182/blood.2020010568.