Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O AI podia ajudar melhor a diagnosticar doenças de sangue

Como podemos nós melhorar diagnosticamos doenças de sangue? Um grupo de investigação conduzido por Helmholtz Munich aponta responder a esta pergunta com inteligência artificial (AI). Seu objetivo é facilitar a análise demorada de pilhas da medula sob o microscópio. Os pesquisadores desenvolveram a base de dados a maior do open source em imagens microscópicas de pilhas da medula até agora. Usam-na como a base para um modelo do AI com potencial alto para diagnósticos rotineiros.

Cada dia, cytologists usa em todo o mundo microscópios ópticos para analisar e classificar amostras de milhares das pilhas da medula de épocas. Este método para diagnosticar doenças de sangue foi estabelecido mais de 150 anos há, mas sofre de ser muito complexo. As pilhas raras mas diagnòstica importantes da procura são uma tarefa laboriosa e demorada. A inteligência artificial tem o potencial impulsionar este método - contudo precisa uma grande quantidade dos dados de alta qualidade de treinar um algoritmo do AI.

A base de dados a maior do open source para imagens da pilha da medula

Os pesquisadores de Helmholtz Munich desenvolveram a base de dados a maior do acesso aberto em imagens microscópicas de pilhas da medula até agora. A base de dados consiste em mais de 170.000 imagens da único-pilha sobre de 900 pacientes com várias doenças de sangue. É o resultado de uma colaboração de Helmholtz Munich com o hospital Munich da universidade de LMU, o laboratório da leucemia de MLL Munich (um dos fornecedores diagnósticos os maiores neste campo no mundo inteiro) e instituto de Fraunhofer para circuitos integrados.

Usando a base de dados para impulsionar a inteligência artificial

“Sobre nossa base de dados, nós desenvolvemos uma rede neural que outperforms algoritmos de aprendizagem precedentes da máquina para a classificação da pilha em termos da precisão, mas igualmente em termos do generalizability,” diz o cristão Matek, autor principal do estudo novo. A rede neural profunda é um conceito da aprendizagem de máquina projetado especificamente processar imagens.

A análise de pilhas da medula não foi executada ainda com tais redes neurais avançadas, que é igualmente devido ao facto de que de alta qualidade, os conjunto de dados públicos não estêve disponível até aqui.”

Cristão Matek, autor principal

Os pesquisadores apontam expandir mais sua base de dados da pilha da medula para capturar uma escala mais larga dos resultados e para validar em perspectiva seu modelo. “A base de dados e o modelo estão livremente disponíveis para finalidades da pesquisa e do treinamento - educar profissionais ou como uma referência para aproximações AI-baseadas mais adicionais por exemplo em diagnósticos do cancro de sangue,” diz o líder Carsten Marr do estudo.

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.