Clasificación de una sola célula sanguínea impulsada por la IA
Nuevo método para apoyar a los médicos en el diagnóstico de la leucemia
Por primera vez, investigadores del Helmholtz Zentrum München y del Hospital Universitario de la LMU de Múnich demuestran que los algoritmos de aprendizaje profundo funcionan de forma similar a los expertos humanos a la hora de clasificar muestras de sangre de pacientes que sufren de leucemia mieloide aguda (LMA). Su estudio de prueba de concepto allana el camino para un análisis de muestras automatizado, estandarizado y disponible en un futuro próximo.
Algoritmos de aprendizaje profundo de la Inteligencia Artificial para el análisis de muestras de forma automatizada y estandarizada. Izquierda: Lo que los expertos humanos clasifican. Cierto: Píxeles importantes para el análisis de la IA.
© Helmholtz Zentrum München / Carsten Marr
Cada día, millones de células sanguíneas son evaluadas para el diagnóstico de enfermedades en laboratorios médicos y clínicas. La mayor parte de esta tarea repetitiva es realizada manualmente por citólogos entrenados que inspeccionan las células en frotis de sangre manchada y las clasifican en aproximadamente 15 categorías diferentes. Este proceso sufre de variabilidad de clasificación y requiere la presencia y experiencia de un citólogo capacitado.
Para mejorar la eficiencia de la evaluación, un equipo de investigadores del Helmholtz Zentrum München y del Hospital Universitario, LMU Munich, entrenó una red neuronal profunda con casi 20.000 imágenes unicelulares para clasificarlas. El equipo dirigido por el Dr. Carsten Marr y el estudiante de doctorado Dr. Christian Matek del Instituto de Biología Computacional del Helmholtz Zentrum München, así como el Prof. Dr. med Karsten Spiekermann y Simone Schwarz del Departamento de Medicina III, Hospital Universitario, LMU Munich, utilizaron imágenes extraídas de frotis de sangre de 100 pacientes que sufrían de la agresiva enfermedad sanguínea AML y 100 controles. El nuevo enfoque basado en la IA se evaluó comparando su rendimiento con la precisión de los expertos humanos. El resultado mostró que la solución basada en la IA es capaz de identificar las células blásticas diagnósticas al menos tan bien como un experto citólogo entrenado.
Investigación aplicada a través de AI y Big Data
Los algoritmos de aprendizaje profundo para el procesamiento de imágenes requieren dos cosas: primero, una arquitectura de red neuronal convolucional apropiada con cientos de miles de parámetros; segundo, una cantidad suficientemente grande de datos de entrenamiento. Hasta el momento, no se dispone de un gran conjunto de datos digitalizados de frotis de sangre, aunque estas muestras se utilizan de forma generalizada en las clínicas. El grupo de investigación del Helmholtz Zentrum München proporcionó el primer gran conjunto de datos de este tipo. En la actualidad, Marr y su equipo colaboran estrechamente con el Departamento de Medicina III del Hospital Universitario de la LMU de Munich y con uno de los laboratorios de leucemia más grandes de Europa, el Laboratorio de Leucemia de Munich (MLL), para digitalizar cientos de frotis de sangre de pacientes más.
"Para llevar nuestro enfoque a las clínicas, la digitalización de las muestras de sangre de los pacientes tiene que convertirse en algo rutinario. Los algoritmos tienen que ser entrenados con muestras de diferentes fuentes para hacer frente a la heterogeneidad inherente en la preparación y tinción de muestras", dice Marr. "Junto con nuestros socios pudimos demostrar que los algoritmos de aprendizaje profundo muestran un rendimiento similar al de los citólogos humanos. En un próximo paso, evaluaremos qué tan bien pueden predecirse otras características de la enfermedad, tales como mutaciones o translocaciones genéticas, con este nuevo método impulsado por la IA".
Este método muestra el poder aplicado de la IA para la investigación traslacional. Es una extensión del trabajo pionero del Helmholtz Zentrum München sobre la clasificación de células individuales en células madre sanguíneas (Buggenthin et al., Nature Methods, 2017) que ha sido galardonado con el Premio Erwin Schroedinger de la Asociación Helmholtz en 2018. El estudio fue apoyado por el SFB 1243 de la Fundación Alemana de Investigación (DFG) y por una beca de doctorado de la Fundación Alemana Josep Carreras para la Lucha contra la Leucemia al Dr. Christian Matek.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
