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 podía ayudar mejor a diagnosticar enfermedades de sangre

¿Cómo podemos mejorar diagnosticamos enfermedades de sangre? Un grupo de investigación llevado por Helmholtz Munich apunta contestar a esta pregunta con inteligencia artificial (AI). Su meta es facilitar el análisis que toma tiempo de las células de la médula bajo el microscopio. Los investigadores desarrollaron la base de datos de fuente abierta más grande en imágenes microscópicas de las células de la médula hasta la fecha. La utilizan como la base para un modelo del AI con el alto potencial para los diagnósticos rutinarios.

Cada día, cytologists en todo el mundo utiliza los microscopios ópticos para analizar y para clasificar muestras de los millares de las células de la médula de épocas. Este método para diagnosticar enfermedades de sangre fue establecido hace más de 150 años, pero sufre de ser muy complejo. Las células raras pero diagnóstico importantes el buscar son una tarea laboriosa y que toma tiempo. La inteligencia artificial tiene el potencial de reforzar este método - sin embargo necesita una gran cantidad de datos de alta calidad entrenar a un algoritmo del AI.

La base de datos de fuente abierta más grande para las imágenes de la célula de la médula

Los investigadores de Helmholtz Munich desarrollaron la base de datos más grande del acceso abierto en imágenes microscópicas de las células de la médula hasta la fecha. La base de datos consiste en más de 170.000 imágenes unicelulares sobre de 900 pacientes con diversas enfermedades de sangre. Es el resultado de una colaboración de Helmholtz Munich con el hospital Munich de la universidad de LMU, el laboratorio de la leucemia de MLL Munich (uno de los proveedores diagnósticos más grandes de este campo por todo el mundo) y el instituto de Fraunhofer para los circuitos integrados.

Usando la base de datos para reforzar la inteligencia artificial

“Encima de nuestra base de datos, hemos desarrollado una red neuronal que supera los algoritmos de aprendizaje anteriores de máquina para la clasificación de la célula en términos de exactitud, pero también en términos de generalizability,” dice al cristiano Matek, autor importante del nuevo estudio. La red neuronal profunda es un concepto del aprendizaje de máquina diseñado específicamente para tramitar imágenes.

El análisis de las células de la médula todavía no se ha realizado con tales redes neuronales avanzadas, que es también debido al hecho de que de alta calidad, los grupos de datos públicos no ha estado disponible hasta ahora.”

Cristiano Matek, autor importante

Los investigadores apuntan desplegar más lejos su base de datos de la célula de la médula para capturar una gama más amplia de conclusión y para validar anticipado su modelo. “La base de datos y el modelo están libremente disponibles para los propósitos de la investigación y del entrenamiento - de educar a profesionales o como una referencia para otras aproximaciones AI-basadas e.g en diagnósticos del cáncer de sangre,” dice al líder Carsten Marr del estudio.

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.