德國亥姆霍茲慕尼黑研究中心和慕尼黑大學的研究人員首次發現，在對急性髓細胞性白血病患者的血樣進行分類方面，深度學習算法表現出色。這一概念驗證研究為將來廣泛使用對樣品的自動化、標準化分析鋪平了道路。該論文發表在《自然·機器智能》雜志上。

研究人員每天要在醫學實驗室和診所評估數百萬個血細胞以診斷疾病，將其分為大約15個不同的類別。這些重復性工作大多數依靠人工完成，容易導致樣品質量變化，并且要依靠專家和專業知識。

為了更有效地評估單個血細胞，研究團隊開發了神經元深度學習網絡，用了將近20000張單獨的圖像對其進行訓練，使其能夠對細胞進行獨立分類。由卡斯滕·馬爾博士領導的團隊使用了從100例侵襲性血液病AML患者和100例對照的血液涂片中提取的圖像，然后通過將其與人類專家的準確性進行比較，來評估這種新的自動化解決方案。

用于圖像處理的深度學習算法需要兩個基本條件：具有數千個參數的合適的神經網絡體系結構和足夠的訓練數據。到目前為止，還沒有大量的數字化血細胞記錄，盡管這些樣品每天都在診所使用。亥姆霍茲慕尼黑研究中心的研究小組提供了此類的第一個大型數據集。目前，馬爾團隊與慕尼黑大學醫學和綜合診所III，以及慕尼黑白血病實驗室緊密合作，用數字化完成了數百例患者血液涂片。

“將我們的方法付諸實踐，將患者的血液涂片數字化需要成為常規，還要對不同來源的樣品進行算法訓練，以了解樣品制備和染色過程中固有的異質性。”馬爾說，“我們能夠證明深度學習算法的性能與細胞學家一樣好。下一步我們將研究使用這種新的AI驅動方法如何預測其他疾病，例如基因突變或易位。”  

關鍵詞： 血細胞 人工智能 深度學習