Cotidiano, millones de glóbulos individuales se evalúan para el diagnóstico de enfermedades en laboratorios médicos y clínicas. La mayor parte de esta tarea repetitiva todavía se realiza manualmente por citólogos capacitados que inspeccionan las células en frotis de sangre teñidos y las clasifican en aproximadamente 15 categorías diferentes. Este proceso adolece de variabilidad de clasificación y requiere la presencia y la experiencia de un citólogo capacitado.

Para mejorar la eficiencia de la evaluación, un equipo de investigadores del Helmholtz Zentrum München y el Hospital Universitario, LMU Múnich, entrenó una red neuronal profunda con casi 20.000 imágenes unicelulares para clasificarlas. El equipo está dirigido por el Dr. Carsten Marr y el estudiante de doctorado en medicina Dr. Christian Matek del Instituto de Biología Computacional de Helmholtz Zentrum München, así como por el Prof.Dr. med Karsten Spiekermann y Simone Schwarz del Departamento de Medicina III. Hospital Universitario, LMU Múnich, utilizaron imágenes extraídas de frotis de sangre de 100 pacientes que padecían la enfermedad sanguínea agresiva AML y 100 controles. El nuevo enfoque impulsado por la inteligencia artificial se evaluó comparando su rendimiento con la precisión de los expertos humanos. El resultado mostró que la solución impulsada por IA es capaz de identificar células blásticas de diagnóstico al menos tan bien como un experto en citología capacitado.

Investigación aplicada a través de IA y Big Data

Los algoritmos de aprendizaje profundo para el procesamiento de imágenes requieren dos cosas:primero, una arquitectura de red neuronal convolucional apropiada con cientos de miles de parámetros; segundo, una cantidad suficientemente grande de datos de entrenamiento. Hasta aquí, no se dispone de un gran conjunto de datos digitalizados de frotis de sangre, aunque estas muestras se utilizan de forma generalizada en las clínicas. El grupo de investigación de Helmholtz Zentrum München proporcionó ahora el primer gran conjunto de datos de ese tipo. En la actualidad, Marr y su equipo están colaborando estrechamente con el Departamento de Medicina III del Hospital Universitario de LMU Munich y uno de los laboratorios de leucemia más grandes de Europa. el Laboratorio de Leucemia de Munich (MLL), para digitalizar cientos de frotis de sangre de pacientes más.

"Para llevar nuestro enfoque a las clínicas, La digitalización de las muestras de sangre de los pacientes debe convertirse en una rutina. Los algoritmos deben entrenarse con muestras de diferentes fuentes para hacer frente a la heterogeneidad inherente en la preparación y tinción de muestras. ", dice Marr." Junto con nuestros socios, pudimos demostrar que los algoritmos de aprendizaje profundo muestran un rendimiento similar al de los citólogos humanos. En un próximo paso, evaluaremos qué tan bien otras características de la enfermedad, como mutaciones genéticas o translocaciones, se puede predecir con este nuevo método impulsado por IA ".

Este método muestra el poder aplicado de la IA para la investigación traslacional. Es una extensión del trabajo pionero de Helmholtz Zentrum München sobre la clasificación unicelular en células madre sanguíneas (Buggenthin et al., Métodos de la naturaleza , 2017) que ha sido galardonado con el Premio Erwin Schroedinger de la Asociación Helmholtz en 2018. El estudio fue apoyado por el SFB 1243 de la Fundación Alemana de Investigación (DFG) y por un Ph.D. beca de la Fundación Alemana contra la Leucemia José Carreras al Dr. Christian Matek.