Ogni giorno, milioni di singole cellule del sangue vengono valutate per la diagnostica delle malattie in laboratori e cliniche mediche. La maggior parte di questo compito ripetitivo viene ancora svolto manualmente da citologi esperti che ispezionano le cellule negli strisci di sangue colorati e le classificano in circa 15 categorie diverse. Questo processo soffre della variabilità della classificazione e richiede la presenza e l'esperienza di un citologo esperto.

Per migliorare l'efficienza della valutazione, un team di ricercatori dell'Helmholtz Zentrum München e dell'ospedale universitario, LMU Monaco di Baviera, addestrato una rete neuronale profonda con quasi 20.000 immagini di singole cellule per classificarle. Il team guida il Dr. Carsten Marr e lo studente di dottorato in medicina Dr. Christian Matek dell'Istituto di Biologia Computazionale dell'Helmholtz Zentrum München, nonché il Prof. Dr. med Karsten Spiekermann e Simone Schwarz del Dipartimento di Medicina III, Ospedale universitario, LMU Monaco di Baviera, immagini utilizzate che sono state estratte da strisci di sangue di 100 pazienti affetti dalla malattia del sangue aggressiva AML e 100 controlli. Il nuovo approccio basato sull'intelligenza artificiale è stato quindi valutato confrontando le sue prestazioni con l'accuratezza di esperti umani. Il risultato ha mostrato che la soluzione basata sull'intelligenza artificiale è in grado di identificare i blasti diagnostici almeno quanto un esperto citologo qualificato.

Ricerca applicata attraverso AI e Big Data

Gli algoritmi di deep learning per l'elaborazione delle immagini richiedono due cose:primo, un'appropriata architettura di rete neurale convoluzionale con centinaia di migliaia di parametri; secondo, una quantità sufficiente di dati di allenamento. Finora, non è disponibile un grande set di dati digitalizzati sugli strisci di sangue, sebbene questi campioni siano usati in modo pervasivo nelle cliniche. Il gruppo di ricerca dell'Helmholtz Zentrum München ha ora fornito il primo grande set di dati di quel tipo. Attualmente, Marr e il suo team stanno collaborando a stretto contatto con il Dipartimento di Medicina III dell'Ospedale Universitario della LMU di Monaco e uno dei più grandi laboratori europei di leucemia, il Laboratorio di leucemia di Monaco di Baviera (MLL), per digitalizzare altre centinaia di strisci di sangue dei pazienti.

"Per portare il nostro approccio nelle cliniche, la digitalizzazione dei campioni di sangue dei pazienti deve diventare una routine. Gli algoritmi devono essere addestrati con campioni provenienti da diverse fonti per far fronte all'eterogeneità intrinseca nella preparazione e colorazione del campione, " afferma Marr. "Insieme ai nostri partner potremmo dimostrare che gli algoritmi di deep learning mostrano prestazioni simili a quelle dei citologi umani. In un passaggio successivo, valuteremo quanto bene altre caratteristiche della malattia, come mutazioni o traslocazioni genetiche, può essere previsto con questo nuovo metodo basato sull'intelligenza artificiale."

Questo metodo mette in mostra la potenza applicata dell'IA per la ricerca traslazionale. È un'estensione del lavoro pionieristico di Helmholtz Zentrum München sulla classificazione delle singole cellule nelle cellule staminali del sangue (Buggenthin et al., Metodi della natura , 2017) che è stato insignito del Premio Erwin Schroedinger dell'Associazione Helmholtz nel 2018. Lo studio è stato sostenuto dall'SFB 1243 della Fondazione tedesca per la ricerca (DFG) e da un dottorato di ricerca. borsa di studio della Fondazione tedesca José Carreras Leukemia al Dr. Christian Matek.