AI驱动的单血细胞分类

每天，在医学实验室和诊所都要对数百万个单细胞进行疾病诊断诊断。大部分重复性工作仍由受过训练的细胞学家手动完成，他们检查染色涂片中的细胞并将其分为大约15个不同类别。该过程存在分类可，并且需要训练有素的细胞学家的存在和专业知识。

为了提高评估效率，Helmholtz ZentrumMünchen和慕尼黑LMU大学医院的一组研究人员训练了一个具有近20.000个单细胞图像的深层神经元网络，以对其进行分类。团队由来自Helmholtz ZentrumMünchen的计算生物学研究所的Carsten Marr博士和医学博士生Christian Matek博士以及来自LMU慕尼黑大学医院第三系的med Karsten Spiekermann和Simone Schwarz教授，使用了从血液中提取的图像100例患有侵袭性血液病AML的患者的涂片和100例对照。然后通过将其性能与人类专家的准确性进行比较来评估新的AI驱动方法。结果表明，AI驱动的解决方案能够识别出诊断性的成年细胞，至少与训练有素的细胞学家一样好。

通过人工智能和大数据进行应用研究

用于图像处理的深度学习算法需要两件事：第一，具有数十万个参数的适当的卷积神经网络架构;第二，足够大量的训练数据。到目前为止，尽管临床上普遍使用了这些样本，但尚无大型的血液涂片数字化数据集可用。Helmholtz ZentrumMünchen的研究小组现在提供了该类型的第一个大型数据集。目前，马尔和他的团队正在与慕尼黑LMU大学医院的第三医学系以及欧洲最大的白血病实验室之一慕尼黑白血病实验室(MLL)紧密合作，以数字化数百种患者血液涂片。

“为了将我们的方法带到诊所，患者血液样本的数字化已成为常规。必须对来自不同来源的样本进行算法训练，以应对样本制备和染色中固有的异质性。” “与我们的合作伙伴一起，我们可以证明深度学习算法显示出与人类细胞学家相似的性能。在下一步中，我们将评估在这种新的AI驱动下，其他疾病特征(如基因突变或易位)的预测效果如何方法。”

这种方法展示了AI在翻译研究中的应用能力。这是Helmholtz ZentrumMünchen在血干细胞单细胞分类方面的开创性工作的扩展(Buggenthin等，Nature Methods，2017)，该研究已于2018年获得了亥姆霍兹协会的欧文·施罗丁格奖。由德国研究基金会(DFG)的SFB 1243和博士学位提供支持。德国何塞·卡雷拉斯白血病基金会向克里斯蒂安·马特克博士颁发的奖学金。