Анализ изображений на основе машинного обучения надежно определяет гематологические злокачественные новообразования.
Миелодиспластический синдром (МДС) – это заболевание стволовых клеток костного мозга, которое нарушает созревание и дифференцировку клеток крови. Ежегодно около 200 финнов заболевают МДС, который может перерасти в острый лейкоз. В глобальном масштабе заболеваемость МДС составляет 4 случая на 100 000 человеко-лет.
Для диагностики МДС необходим образец костного мозга, чтобы также исследовать генетические изменения в клетках костного мозга. Синдром разделен на группы для более детального определения характера расстройства.
В исследовании, проведенном в Университете Хельсинки, были изучены микроскопические изображения образцов костного мозга пациентов с МДС с использованием метода анализа изображений, основанного на машинном обучении. Образцы окрашивали гематоксилином и эозином (окрашивание гематоксилином и эозином) – процедура, которая является частью рутинной диагностики заболевания. Слайды были оцифрованы и проанализированы с помощью вычислительных моделей глубокого обучения.
Исследование было опубликовано в журнале «Blood Cancer Discovery» Американской ассоциации исследований рака, и его результаты также можно изучить с помощью интерактивного инструмента: http://hruh-20.it.helsinki.fi/mds_visualization/.
Используя машинное обучение, можно проанализировать набор данных цифрового изображения для точного определения наиболее распространенных генетических мутаций, влияющих на прогрессирование синдрома, таких как приобретенные мутации и хромосомные аберрации. Чем больше количество аберрантных клеток в образцах, тем выше надежность результатов, полученных с помощью прогностических моделей.
Одна из самых больших проблем при использовании моделей нейронных сетей – это понимание критериев, на которых они основывают свои выводы, сделанные на основе данных, таких как информация, содержащаяся в изображениях. В недавно опубликованном исследовании удалось определить, что модели глубокого обучения видят в образцах тканей, когда их учили искать, например, генетические мутации, связанные с МДС. Методика дает новую информацию о влиянии сложных заболеваний на клетки костного мозга и окружающие ткани.
«Исследование подтверждает, что компьютерный анализ помогает идентифицировать особенности, которые ускользают от человеческого глаза. Более того, анализ данных помогает собирать количественные данные о клеточных изменениях и их значении для прогноза пациента», – говорит профессор Сату Мустйоки (Satu Mustjoki).
Часть аналитики, проведенной в исследовании, была реализована с использованием среды данных Университетской больницы Хельсинки (HUS), что позволяет эффективно собирать и анализировать обширные наборы клинических данных.
«Мы разработали решения для структурирования и анализа данных, хранящихся в озере данных HUS. Анализ изображений помогает нам анализировать большое количество биопсий и быстро получать разнообразную информацию о прогрессировании заболевания. Методы, разработанные в проекте, подходят и для других проектов, и они являются прекрасным примером оцифровки медицины», – говорит докторант Оскар Брук.
«Это исследование дает новое понимание патобиологии МДС и открывает путь для более широкого использования искусственного интеллекта для оценки и диагностики гематологических злокачественных новообразований», – говорит доктор философии Оливье Элементо из Института точной медицины Кэрил и Исраэль в Англии в статье в Blood Cancer Discovery, журнале Американской ассоциации исследований рака.
Миелодиспластический синдром (МДС) – это заболевание стволовых клеток костного мозга, которое нарушает созревание и дифференцировку клеток крови. Ежегодно около 200 финнов заболевают МДС, который может перерасти в острый лейкоз. В глобальном масштабе заболеваемость МДС составляет 4 случая на 100 000 человеко-лет.
Для диагностики МДС необходим образец костного мозга, чтобы также исследовать генетические изменения в клетках костного мозга. Синдром разделен на группы для более детального определения характера расстройства.
В исследовании, проведенном в Университете Хельсинки, были изучены микроскопические изображения образцов костного мозга пациентов с МДС с использованием метода анализа изображений, основанного на машинном обучении. Образцы окрашивали гематоксилином и эозином (окрашивание гематоксилином и эозином) – процедура, которая является частью рутинной диагностики заболевания. Слайды были оцифрованы и проанализированы с помощью вычислительных моделей глубокого обучения.
Исследование было опубликовано в журнале «Blood Cancer Discovery» Американской ассоциации исследований рака, и его результаты также можно изучить с помощью интерактивного инструмента: http://hruh-20.it.helsinki.fi/mds_visualization/.
Используя машинное обучение, можно проанализировать набор данных цифрового изображения для точного определения наиболее распространенных генетических мутаций, влияющих на прогрессирование синдрома, таких как приобретенные мутации и хромосомные аберрации. Чем больше количество аберрантных клеток в образцах, тем выше надежность результатов, полученных с помощью прогностических моделей.
Диагностика подтверждена анализом данных
Одна из самых больших проблем при использовании моделей нейронных сетей – это понимание критериев, на которых они основывают свои выводы, сделанные на основе данных, таких как информация, содержащаяся в изображениях. В недавно опубликованном исследовании удалось определить, что модели глубокого обучения видят в образцах тканей, когда их учили искать, например, генетические мутации, связанные с МДС. Методика дает новую информацию о влиянии сложных заболеваний на клетки костного мозга и окружающие ткани.
«Исследование подтверждает, что компьютерный анализ помогает идентифицировать особенности, которые ускользают от человеческого глаза. Более того, анализ данных помогает собирать количественные данные о клеточных изменениях и их значении для прогноза пациента», – говорит профессор Сату Мустйоки (Satu Mustjoki).
Часть аналитики, проведенной в исследовании, была реализована с использованием среды данных Университетской больницы Хельсинки (HUS), что позволяет эффективно собирать и анализировать обширные наборы клинических данных.
«Мы разработали решения для структурирования и анализа данных, хранящихся в озере данных HUS. Анализ изображений помогает нам анализировать большое количество биопсий и быстро получать разнообразную информацию о прогрессировании заболевания. Методы, разработанные в проекте, подходят и для других проектов, и они являются прекрасным примером оцифровки медицины», – говорит докторант Оскар Брук.
«Это исследование дает новое понимание патобиологии МДС и открывает путь для более широкого использования искусственного интеллекта для оценки и диагностики гематологических злокачественных новообразований», – говорит доктор философии Оливье Элементо из Института точной медицины Кэрил и Исраэль в Англии в статье в Blood Cancer Discovery, журнале Американской ассоциации исследований рака.
ScienceDaily
А. Миронова (перевод)
А. Миронова (перевод)
Паштет двухслойный
Печено вепрево колено
Торт "Ассорти"
Рыба в беконе
Семга в цукини с манговым соусом
Рождественский пряничный домик
Курица сочная с ананасами
Индейка «Новогодняя» с яблочным соусом
Рождественский гусь
Другие новогодние рецепты
