基于机器学习的图像分析可以可靠地识别血液系统恶性肿瘤

骨髓增生异常综合征(MDS)是一种骨髓干细胞疾病，它会干扰血细胞的成熟和分化。每年约有200名芬兰人被诊断为MDS，这种疾病可发展为急性白血病。在全球范围内，MDS的发病率为每10万人年4例。

为了诊断MDS，还需要骨髓样本来研究骨髓细胞的遗传变化。为了更详细地确定这种疾病的性质，该综合征被分为不同的组。

在赫尔辛基大学进行的这项研究中，使用基于机器学习的图像分析技术检查了MDS患者骨髓样本的显微图像。样本用苏木精和伊红染色(H&E染色)，这是该疾病常规诊断的一部分。在计算深度学习模型的帮助下，这些幻灯片被数字化和分析。

这项研究发表在血癌发现这是美国癌症研究协会的一份杂志，研究结果也可以通过一个互动工具来探索:hruh - 20. - it.helsinki.fi / mds_visualization /．

通过使用机器学习，可以对数字图像数据集进行分析，以准确识别影响综合征进展的最常见基因突变，如获得性突变和染色体畸变。样本中异常细胞数量越多，预后模型产生的结果的可靠性越高。

数据分析支持诊断

利用神经网络模型的最大挑战之一是理解它们从数据(如图像中包含的信息)中得出结论所依据的标准。最近发布的研究成功地确定了深度学习模型所看到的组织样本例如，当他们被教导寻找与MDS相关的基因突变时。这项技术提供了关于复杂疾病对人的影响的新信息骨髓细胞和周围组织。

“这项研究证实，计算分析有助于识别人眼无法识别的特征。此外,数据分析有助于收集细胞变化及其与患者预后相关性的定量数据，”Satu Mustjoki教授说。

研究中进行的部分分析是使用赫尔辛基大学医院(HUS)数据湖环境实现的，该环境能够有效收集和分析广泛的临床数据集。

“我们已经开发出了构建和分析存储在HUS数据湖中的数据的解决方案。图像分析帮助我们分析大量的活组织检查，并快速生成疾病进展的各种信息。该项目中开发的技术也适用于其他项目，它们是数字化医学的完美例子，”博士生奥斯卡·布鲁克说。

“这项研究为MDS的病理生物学提供了新的见解，并为增加人工智能在恶性血液病评估和诊断中的应用铺平了道路，”卡里尔和以色列英格兰精确医学研究所的Olivier Elemento博士在他对这篇文章的评论中说血癌发现是美国癌症研究协会的一本杂志。

---

---