淋巴系統(tǒng)癌癥的存在通常通過分析來自血液或骨髓的樣本來確定。由波恩大學(xué)的 Peter Krawitz 教授領(lǐng)導(dǎo)的團(tuán)隊(duì)在 2020 年已經(jīng)表明，人工智能可以幫助診斷此類淋巴瘤和白血病。該技術(shù)充分利用了所有測量值的潛力，與既定流程相比，提高了分析的速度和客觀性。該方法現(xiàn)已得到進(jìn)一步發(fā)展，因此即使是較小的實(shí)驗(yàn)室也可以從這種可免費(fèi)訪問的機(jī)器學(xué)習(xí)方法中受益——這是邁向臨床實(shí)踐的重要一步。該研究現(xiàn)已發(fā)表在“模式”雜志上。
淋巴結(jié)腫大，體重減輕和疲勞，以及發(fā)燒和感染——這些都是惡性 B 細(xì)胞淋巴瘤和相關(guān)白血病的典型癥狀。如果懷疑淋巴系統(tǒng)癌癥，醫(yī)生會采集血液或骨髓樣本并將其送到專業(yè)實(shí)驗(yàn)室。這就是流式細(xì)胞術(shù)的用武之地。流式細(xì)胞術(shù)是一種血細(xì)胞高速流過測量傳感器的方法?？梢愿鶕?jù)細(xì)胞的形狀、結(jié)構(gòu)或顏色來檢測細(xì)胞的特性。在進(jìn)行診斷時，病理細(xì)胞的檢測和準(zhǔn)確表征非常重要。
實(shí)驗(yàn)室使用?？吭诩?xì)胞表面并與熒光染料偶聯(lián)的“抗體”。此類標(biāo)記還可用于檢測癌細(xì)胞和健康血細(xì)胞之間的微小差異。流式細(xì)胞術(shù)產(chǎn)生大量數(shù)據(jù)。平均而言，每個樣品可測量超過 50,000 個細(xì)胞。然后通常通過繪制彼此使用的標(biāo)記的表達(dá)在屏幕上分析這些數(shù)據(jù)。“但是如果有 20 個標(biāo)記，醫(yī)生就必須比較大約 150 個二維圖像，”波恩大學(xué)醫(yī)院基因組統(tǒng)計(jì)和生物信息學(xué)研究所的 Peter Krawitz 教授說。“這就是為什么徹底篩選整個數(shù)據(jù)集通常成本太高。”
出于這個原因，Krawitz 與生物信息學(xué)家 Nanditha Mallesh 和 Max Zhao 一起研究了如何使用人工智能來分析細(xì)胞計(jì)數(shù)數(shù)據(jù)。該團(tuán)隊(duì)考慮了來自 B 細(xì)胞淋巴瘤患者的 30,000 多個數(shù)據(jù)集來訓(xùn)練人工智能 (AI)。“人工智能充分利用了數(shù)據(jù)，提高了診斷的速度和客觀性，”主要作者 Nanditha Mallesh 說。AI 評估的結(jié)果是建議的診斷，但仍需要醫(yī)生進(jìn)行驗(yàn)證。在這個過程中，人工智能提供了顯眼細(xì)胞的跡象。
專家評審人工智能成果
血液樣本和細(xì)胞儀數(shù)據(jù)來自慕尼黑白血病實(shí)驗(yàn)室 (MLL)、柏林慈善大學(xué)、埃爾蘭根大學(xué)醫(yī)院和波恩大學(xué)醫(yī)院。這些機(jī)構(gòu)的專家檢查了人工智能的結(jié)果。“黃金標(biāo)準(zhǔn)是血液學(xué)家的診斷，這也可以考慮額外測試的結(jié)果，”Krawitz 說。“使用人工智能的目的不是取代醫(yī)生，而是充分利用數(shù)據(jù)中包含的信息。”現(xiàn)在提出的人工智能的偉大新特征在于知識轉(zhuǎn)移的可能性：特別是無法負(fù)擔(dān)自己的生物信息學(xué)專業(yè)知識并且樣本太少而無法從頭開發(fā)自己的人工智能的小型實(shí)驗(yàn)室可以從中受益。經(jīng)過短暫的訓(xùn)練階段，
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！