Tous les jours, des millions de cellules sanguines uniques sont évaluées pour le diagnostic de maladies dans les laboratoires médicaux et les cliniques. La plupart de ces tâches répétitives sont encore effectuées manuellement par des cytologistes qualifiés qui inspectent les cellules des frottis sanguins colorés et les classent en environ 15 catégories différentes. Ce processus souffre de la variabilité de la classification et nécessite la présence et l'expertise d'un cytologiste qualifié.

Pour améliorer l'efficacité de l'évaluation, une équipe de chercheurs du Helmholtz Zentrum München et de l'hôpital universitaire, LMU Munich, formé un réseau neuronal profond avec près de 20.000 images unicellulaires pour les classer. L'équipe dirige le Dr Carsten Marr et le doctorant en médecine Dr Christian Matek de l'Institut de biologie computationnelle de Helmholtz Zentrum München ainsi que le professeur Dr. med Karsten Spiekermann et Simone Schwarz du Département de médecine III, Hôpital universitaire, LMU Munich, ont utilisé des images extraites de frottis sanguins de 100 patients souffrant de la maladie du sang agressive AML et de 100 témoins. La nouvelle approche basée sur l'IA a ensuite été évaluée en comparant ses performances avec la précision d'experts humains. Le résultat a montré que la solution basée sur l'IA est capable d'identifier les cellules blastiques de diagnostic au moins aussi bien qu'un expert cytologiste qualifié.

Recherche appliquée via l'IA et le Big Data

Les algorithmes d'apprentissage en profondeur pour le traitement d'images nécessitent deux choses :d'abord, une architecture de réseau de neurones convolutifs appropriée avec des centaines de milliers de paramètres ; seconde, une quantité suffisamment importante de données d'entraînement. Jusque là, aucun grand ensemble de données numérisées de frottis sanguins n'a été disponible, bien que ces échantillons soient largement utilisés dans les cliniques. Le groupe de recherche du Helmholtz Zentrum München a maintenant fourni le premier grand ensemble de données de ce type. Actuellement, Marr et son équipe collaborent étroitement avec le département de médecine III de l'hôpital universitaire de LMU Munich et l'un des plus grands laboratoires européens de leucémie, le Laboratoire de leucémie de Munich (MLL), pour numériser davantage des centaines de frottis sanguins de patients.

« Apporter notre approche aux cliniques, la numérisation des échantillons de sang des patients doit devenir une routine. Les algorithmes doivent être entraînés avec des échantillons de différentes sources pour faire face à l'hétérogénéité inhérente à la préparation et à la coloration des échantillons, " dit Marr. " Avec nos partenaires, nous avons pu prouver que les algorithmes d'apprentissage en profondeur présentent des performances similaires à celles des cytologistes humains. Dans une prochaine étape, nous évaluerons dans quelle mesure d'autres caractéristiques de la maladie, telles que des mutations génétiques ou des translocations, peut être prédit avec cette nouvelle méthode basée sur l'IA."

Cette méthode met en valeur la puissance appliquée de l'IA pour la recherche translationnelle. Il s'agit d'une extension des travaux pionniers de Helmholtz Zentrum München sur la classification des cellules uniques dans les cellules souches du sang (Buggenthin et al., Méthodes naturelles , 2017) qui a reçu le prix Erwin Schroedinger de l'Association Helmholtz en 2018. L'étude a été soutenue par le SFB 1243 de la Fondation allemande pour la recherche (DFG) et par un doctorat. bourse de la Fondation allemande José Carreras Leukemia au Dr Christian Matek.