Utilizzando un approccio computazionale noto come deep learning, gli scienziati hanno sviluppato un nuovo sistema per classificare le forme dei globuli rossi nel sangue di un paziente. Le scoperte, pubblicato in PLOS Biologia Computazionale , potrebbe potenzialmente aiutare i medici a monitorare le persone con anemia falciforme.

Una persona con anemia falciforme produce forme anormali, globuli rossi rigidi che possono accumularsi e bloccare i vasi sanguigni, causando dolore e talvolta la morte. La malattia prende il nome dai globuli rossi a forma di falce (a forma di mezzaluna), ma si traduce anche in molte altre forme, come globuli rossi ovali o allungati. Le forme particolari trovate in un dato paziente possono contenere indizi sulla gravità della loro malattia, ma è difficile classificare manualmente queste forme.

Per automatizzare il processo di identificazione della forma dei globuli rossi, Mengjia Xu della Northeastern University, Cina, e colleghi hanno sviluppato un framework computazionale che utilizza uno strumento di apprendimento automatico noto come rete neurale convoluzionale profonda (CNN).

Il nuovo framework utilizza tre passaggi per classificare le forme dei globuli rossi nelle immagini microscopiche del sangue. Primo, distingue i globuli rossi dallo sfondo di ogni immagine e l'uno dall'altro. Quindi, per ogni cellula rilevata, ingrandisce o rimpicciolisce finché tutte le immagini delle celle non hanno una dimensione uniforme. Finalmente, utilizza CNN profonde per classificare le cellule in base alla forma.

I ricercatori hanno convalidato il loro nuovo strumento utilizzando 7, 000 immagini al microscopio di otto pazienti affetti da anemia falciforme. Hanno scoperto che il metodo automatizzato ha classificato con successo la forma dei globuli rossi sia per le cellule ossigenate che per quelle deossigenate (i globuli rossi trasportano l'ossigeno ai tessuti in tutto il corpo).

"Abbiamo sviluppato il primo strumento di deep learning in grado di identificare e classificare automaticamente l'alterazione dei globuli rossi, fornendo quindi prove quantitative dirette della gravità della malattia, ", afferma il coautore dello studio George Karniadakis.

Il team di ricerca prevede di migliorare ulteriormente il loro strumento CNN profondo e testarlo in altre malattie del sangue che alterano la forma e le dimensioni dei globuli rossi, come il diabete e l'HIV. Hanno anche in programma di esplorare la sua utilità nella caratterizzazione delle cellule tumorali.