AI驅動的單血細胞分類

每天，在醫學實驗室和診所都要對數百萬個單細胞進行疾病診斷診斷。大部分重復性工作仍由受過訓練的細胞學家手動完成，他們檢查染色涂片中的細胞并將其分為大約15個不同類別。該過程存在分類可，并且需要訓練有素的細胞學家的存在和專業知識。

為了提高評估效率，Helmholtz ZentrumMünchen和慕尼黑LMU大學醫院的一組研究人員訓練了一個具有近20.000個單細胞圖像的深層神經元網絡，以對其進行分類。團隊由來自Helmholtz ZentrumMünchen的計算生物學研究所的Carsten Marr博士和醫學博士生Christian Matek博士以及來自LMU慕尼黑大學醫院第三系的med Karsten Spiekermann和Simone Schwarz教授，使用了從血液中提取的圖像100例患有侵襲性血液病AML的患者的涂片和100例對照。然后通過將其性能與人類專家的準確性進行比較來評估新的AI驅動方法。結果表明，AI驅動的解決方案能夠識別出診斷性的成年細胞，至少與訓練有素的細胞學家一樣好。

通過人工智能和大數據進行應用研究

用于圖像處理的深度學習算法需要兩件事：第一，具有數十萬個參數的適當的卷積神經網絡架構;第二，足夠大量的訓練數據。到目前為止，盡管臨床上普遍使用了這些樣本，但尚無大型的血液涂片數字化數據集可用。Helmholtz ZentrumMünchen的研究小組現在提供了該類型的第一個大型數據集。目前，馬爾和他的團隊正在與慕尼黑LMU大學醫院的第三醫學系以及歐洲最大的白血病實驗室之一慕尼黑白血病實驗室(MLL)緊密合作，以數字化數百種患者血液涂片。

“為了將我們的方法帶到診所，患者血液樣本的數字化已成為常規。必須對來自不同來源的樣本進行算法訓練，以應對樣本制備和染色中固有的異質性。” “與我們的合作伙伴一起，我們可以證明深度學習算法顯示出與人類細胞學家相似的性能。在下一步中，我們將評估在這種新的AI驅動下，其他疾病特征(如基因突變或易位)的預測效果如何方法。”

這種方法展示了AI在翻譯研究中的應用能力。這是Helmholtz ZentrumMünchen在血干細胞單細胞分類方面的開創性工作的擴展(Buggenthin等，Nature Methods，2017)，該研究已于2018年獲得了亥姆霍茲協會的歐文·施羅丁格獎。由德國研究基金會(DFG)的SFB 1243和博士學位提供支持。德國何塞·卡雷拉斯白血病基金會向克里斯蒂安·馬特克博士頒發的獎學金。