Un nou sistem bazat pe inteligență artificială (AI) analizează morfologia celulelor sanguine, cu scopul de a îmbunătăți diagnosticarea afecțiunilor precum leucemia. Sistemul identifică celule anormale cu o precizie superioară celei a specialiștilor, reducând astfel riscul de erori de diagnostic, conform unui studiu publicat de Sciencedaily.
Cuprins
CytoDiffusion: AI generativă pentru analiza celulelor sanguine
Sistemul, denumit CytoDiffusion, folosește AI generativă, aceeași tehnologie utilizată în generatoare de imagini precum DALL-E, pentru a analiza în detaliu aspectul celulelor sanguine. Spre deosebire de abordările tradiționale, sistemul studiază variațiile subtile ale aspectului celular la microscop. Multe instrumente medicale AI existente sunt concepute pentru a clasifica imaginile în categorii predefinite. Echipa din spatele CytoDiffusion a demonstrat că această abordare poate recunoaște întreaga gamă de aspecte normale ale celulelor sanguine și poate identifica celulele rare sau neobișnuite care pot indica o boală.
Cercetarea a fost realizată de oameni de știință de la Universitatea Cambridge, University College London și Queen Mary University of London. Rezultatele au fost publicate în Nature Machine Intelligence.
Simon Deltadahl, de la Departamentul de Matematică Aplicată și Fizică Teoretică al Universității Cambridge, primul autor al studiului, a explicat importanța identificării celulelor anormale. „Avem multe tipuri diferite de celule sanguine, cu proprietăți și roluri diferite în organism. De exemplu, celulele albe luptă împotriva infecțiilor. A ști cum arată o celulă bolnavă la microscop este important pentru diagnosticarea multor boli”, a spus Deltadahl.
Provocările analizei manuale a frotiurilor de sânge
Un frotiu de sânge standard poate conține mii de celule individuale, depășind capacitatea de examinare a unei persoane. „Oamenii nu pot examina toate celulele dintr-un frotiu, pur și simplu nu este posibil”, a adăugat Deltadahl. „Modelul nostru poate automatiza acest proces, poate tria cazurile de rutină și poate evidenția orice este neobișnuit pentru revizuirea umană.”
Dr. Suthesh Sivapalaratnam de la Queen Mary University of London, co-autor principal, a descris dificultățile întâmpinate în practica clinică. „Provocarea clinică cu care m-am confruntat ca medic hematolog junior a fost că, după o zi de muncă, aveam multe filme de sânge de analizat. Pe măsură ce le analizam în orele târzii, m-am convins că AI ar face o treabă mai bună decât mine”, a afirmat Sivapalaratnam.
Construirea și antrenarea CytoDiffusion
Pentru a dezvolta CytoDiffusion, cercetătorii au antrenat sistemul cu peste jumătate de milion de imagini de frotiuri de sânge colectate la Spitalul Addenbrooke’s din Cambridge. Setul de date, considerat cel mai mare de acest fel, include tipuri comune de celule sanguine, exemple rare și caracteristici care adesea pun probleme sistemelor automate. În loc să învețe să clasifice celulele în categorii fixe, AI modelează întreaga gamă de aspecte pe care le pot avea celulele sanguine. Acest lucru îl face mai adaptabil la diferențele dintre spitale, microscoape și tehnici de colorare, sporind capacitatea de a detecta celule rare sau anormale.
În timpul testării, CytoDiffusion a identificat celule anormale asociate cu leucemia cu o sensibilitate superioară sistemelor existente. De asemenea, a avut performanțe similare sau mai bune decât modelele actuale de top, chiar și atunci când a fost antrenat cu mai puține exemple, și a putut evalua gradul de certitudine al propriilor predicții.
Performanța și incertitudinea în predicțiile AI
„Când i-am testat acuratețea, sistemul a fost ușor mai bun decât oamenii”, a spus Deltadahl. „Dar acolo unde a ieșit cu adevărat în evidență a fost în a ști când era nesigur. Modelul nostru nu ar spune niciodată că este sigur și apoi să greșească, dar asta este ceva ce oamenii fac uneori.”
Profesorul Michael Roberts de la Departamentul de Matematică Aplicată și Fizică Teoretică al Universității Cambridge, co-autor principal, a declarat că sistemul a fost evaluat în raport cu provocările din lumea reală cu care se confruntă AI medical. „Am evaluat metoda noastră în raport cu multe dintre provocările observate în AI din lumea reală, cum ar fi imagini nemaivăzute până acum, imagini capturate de diferite mașini și gradul de incertitudine din etichete”, a spus el. „Acest cadru oferă o vedere multifacetată a performanței modelului, despre care credem că va fi benefică pentru cercetători.”
Generarea de imagini sintetice și testul Turing
Echipa a descoperit, de asemenea, că CytoDiffusion poate genera imagini sintetice ale celulelor sanguine care arată identic cu cele reale. Într-un „test Turing” care a implicat zece hematologi cu experiență, specialiștii nu au reușit să distingă imaginile reale de cele create de AI. „Asta chiar m-a surprins”, a spus Deltadahl. „Aceștia sunt oameni care se uită la celulele sanguine toată ziua și nici măcar ei nu au putut face diferența.”
Resurse deschise pentru cercetare
Ca parte a proiectului, cercetătorii lansează ceea ce ei descriu ca fiind cea mai mare colecție disponibilă public de imagini de frotiuri de sânge periferic, totalizând peste jumătate de milion de probe. „Făcând această resursă deschisă, sperăm să dăm putere cercetătorilor din întreaga lume să construiască și să testeze noi modele AI, să democratizăm accesul la date medicale de înaltă calitate și, în cele din urmă, să contribuim la o mai bună îngrijire a pacienților”, a declarat Deltadahl.
AI ca instrument de asistență, nu de înlocuire
În ciuda rezultatelor obținute, cercetătorii subliniază că CytoDiffusion nu este conceput să înlocuiască medicii. Sistemul este destinat să sprijine clinicienii prin identificarea rapidă a cazurilor problematice și prin procesarea automată a probelor de rutină. „Adevărata valoare a AI în domeniul sănătății nu constă în aproximarea expertizei umane la un cost mai mic, ci în permiterea unei puteri de diagnostic, prognostic și prescriptivă mai mare decât pot obține experții sau modelele statistice simple”, a declarat profesorul Parashkev Nachev de la UCL, co-autor principal. „Munca noastră sugerează că AI generativă va fi esențială pentru această misiune, transformând nu numai fidelitatea sistemelor de suport clinic, ci și înțelegerea limitelor propriei cunoștințe. Această conștientizare metacognitivă – a ști ce nu știe cineva – este esențială pentru luarea deciziilor clinice și aici arătăm că mașinile ar putea fi mai bune la asta decât noi.”
Echipa precizează că sunt necesare cercetări suplimentare pentru a crește viteza sistemului și pentru a valida performanța acestuia în rândul unor populații de pacienți mai diverse, pentru a asigura acuratețea și corectitudinea. Cercetarea a primit sprijin de la Trinity Challenge, Wellcome, British Heart Foundation, Cambridge University Hospitals NHS Trust, Barts Health NHS Trust, NIHR Cambridge Biomedical Research Centre, NIHR UCLH Biomedical Research Centre și NHS Blood and Transplant. Lucrarea a fost realizată de grupul de lucru Imaging din cadrul consorțiului BloodCounts!, care își propune să îmbunătățească diagnosticul sanguin la nivel mondial folosind AI. Simon Deltadahl este membru al Lucy Cavendish College, Cambridge.
