En utilisant une approche informatique connue sous le nom d'apprentissage en profondeur, les scientifiques ont développé un nouveau système pour classer les formes des globules rouges dans le sang d'un patient. Les résultats, Publié dans Biologie computationnelle PLOS , pourrait potentiellement aider les médecins à surveiller les personnes atteintes de drépanocytose.

Une personne atteinte de drépanocytose produit une forme anormale, des globules rouges raides qui peuvent s'accumuler et bloquer les vaisseaux sanguins, causant de la douleur et parfois la mort. La maladie tire son nom des globules rouges en forme de faucille (en forme de croissant), mais il en résulte aussi de nombreuses autres formes, tels que les globules rouges ovales ou allongés. Les formes particulières trouvées chez un patient donné peuvent contenir des indices sur la gravité de sa maladie, mais il est difficile de classer manuellement ces formes.

Pour automatiser le processus d'identification de la forme des globules rouges, Mengjia Xu de l'Université du Nord-Est, Chine, et ses collègues ont développé un cadre de calcul qui utilise un outil d'apprentissage automatique connu sous le nom de réseau de neurones à convolution profonde (CNN).

Le nouveau cadre utilise trois étapes pour classer les formes des globules rouges dans des images microscopiques de sang. D'abord, il distingue les globules rouges du fond de chaque image et les uns des autres. Puis, pour chaque cellule détectée, il effectue un zoom avant ou arrière jusqu'à ce que toutes les images de cellules aient une taille uniforme. Finalement, il utilise des CNN profonds pour catégoriser les cellules par forme.

Les chercheurs ont validé leur nouvel outil à l'aide de 7, 000 images microscopiques de huit patients atteints de drépanocytose. Ils ont découvert que la méthode automatisée classait avec succès la forme des globules rouges pour les cellules oxygénées et désoxygénées (les globules rouges transportent l'oxygène vers les tissus dans tout le corps).

"Nous avons développé le premier outil d'apprentissage en profondeur capable d'identifier et de classer automatiquement l'altération des globules rouges, fournissant ainsi des preuves quantitatives directes de la gravité de la maladie, " déclare le co-auteur de l'étude George Karniadakis.

L'équipe de recherche prévoit d'améliorer encore son outil CNN en profondeur et de le tester dans d'autres maladies du sang qui modifient la forme et la taille des globules rouges, comme le diabète et le VIH. Ils prévoient également d'explorer son utilité dans la caractérisation des cellules cancéreuses.