Новая система машинного обучения автоматически определяет форму эритроцитов

Учёные разработали новую систему для классификации форм эритроцитов в крови пациента, используя вычислительный подход, известный как глубокое обучение. Результаты, опубликованные в PLOS Computational Biology, потенциально могут помочь врачам наблюдать за пациентами с серповидноклеточной анемией.

У человека с этим заболеванием образуются аномально деформированные, жёсткие эритроциты, которые могут накапливаться и блокировать кровеносные сосуды, вызывая боль и иногда смерть. Болезнь названа в честь серповидных (похожих на полумесяц) эритроцитов, но также приводит к появлению множества других форм, таких как овальные или удлинённые клетки. Конкретные формы, обнаруженные у пациента, могут указывать на тяжесть заболевания, но их ручная классификация затруднена.

Чтобы автоматизировать процесс идентификации формы эритроцитов, Мэнцзя Сюй из Северо-Восточного университета (Китай) и коллеги разработали вычислительную систему, использующую инструмент машинного обучения, известный как свёрточная нейронная сеть (CNN).

Новая система использует три шага для классификации форм эритроцитов на микроскопических изображениях крови. Сначала она отличает эритроциты от фона изображения и друг от друга. Затем для каждой обнаруженной клетки она приближает или отдаляет изображение, пока все изображения клеток не станут одинакового размера. Наконец, она использует глубокие CNN для категоризации клеток по форме.

Исследователи проверили свой новый инструмент на 7000 микроскопических изображениях от восьми пациентов с серповидноклеточной анемией. Они обнаружили, что автоматизированный метод успешно классифицировал форму эритроцитов как для оксигенированных, так и для дезоксигенированных клеток (эритроциты транспортируют кислород к тканям по всему телу).

«Мы разработали первый инструмент глубокого обучения, который может автоматически идентифицировать и классифицировать изменение эритроцитов, предоставляя прямое количественное доказательство тяжести заболевания», — говорит соавтор исследования Джордж Карниадакис.

Исследовательская группа планирует дальнейшее улучшение своего инструмента на основе глубоких CNN и тестирование его при других заболеваниях крови, изменяющих форму и размер эритроцитов, таких как диабет и ВИЧ. Они также планируют изучить его полезность для характеристики раковых клеток.