Usando un enfoque computacional conocido como aprendizaje profundo, Los científicos han desarrollado un nuevo sistema para clasificar las formas de los glóbulos rojos en la sangre de un paciente. Los resultados, publicado en PLOS Biología Computacional , potencialmente podría ayudar a los médicos a controlar a las personas con anemia de células falciformes.

Una persona con anemia de células falciformes produce una forma anormal, glóbulos rojos rígidos que pueden acumularse y bloquear los vasos sanguíneos, causando dolor y, a veces, la muerte. La enfermedad lleva el nombre de glóbulos rojos en forma de hoz (en forma de media luna), pero también da como resultado muchas otras formas, como glóbulos rojos ovalados o alargados. Las formas particulares que se encuentran en un paciente dado pueden contener pistas sobre la gravedad de su enfermedad, pero es difícil clasificar manualmente estas formas.

Para automatizar el proceso de identificación de la forma de los glóbulos rojos, Mengjia Xu de Northeastern University, Porcelana, y sus colegas desarrollaron un marco computacional que emplea una herramienta de aprendizaje automático conocida como red neuronal convolucional profunda (CNN).

El nuevo marco utiliza tres pasos para clasificar las formas de los glóbulos rojos en imágenes microscópicas de sangre. Primero, distingue los glóbulos rojos del fondo de cada imagen y entre sí. Luego, por cada celda detectada, se acerca o aleja hasta que todas las imágenes de las celdas tienen un tamaño uniforme. Finalmente, utiliza CNN profundas para clasificar las células por forma.

Los investigadores validaron su nueva herramienta usando 7, 000 imágenes microscópicas de ocho pacientes con anemia de células falciformes. Descubrieron que el método automatizado clasificó con éxito la forma de los glóbulos rojos para las células oxigenadas y desoxigenadas (los glóbulos rojos transportan oxígeno a los tejidos de todo el cuerpo).

"Hemos desarrollado la primera herramienta de aprendizaje profundo que puede identificar y clasificar automáticamente la alteración de los glóbulos rojos, por lo tanto, proporciona evidencia cuantitativa directa de la gravedad de la enfermedad, "dice el coautor del estudio George Karniadakis.

El equipo de investigación planea mejorar aún más su herramienta CNN profunda y probarla en otras enfermedades de la sangre que alteran la forma y el tamaño de los glóbulos rojos. como la diabetes y el VIH. También planean explorar su utilidad para caracterizar las células cancerosas.