每天，世界各地的細胞學專家都在使用光學顯微鏡對骨髓細胞樣本進行成千上萬次的分析和分類。這種診斷血液疾病的方法是在150多年前建立的，但其缺點是太過復雜。尋找罕見但具有診斷意義的細胞是一項既費力又費時的工作。人工智能有可能促進這種方法，然而人們還需要大量的高質量數據來訓練人工智能算法。

慕尼黑的科學家開發了迄今為止最大的骨髓細胞顯微圖像的開放數據庫。該數據庫由超過900名各種血液疾病患者的17萬張單細胞圖像組成。它是慕尼黑亥姆霍茲與慕尼黑大學醫院、MLL慕尼黑白血病實驗室（該領域全球最大的診斷機構之一）和弗勞恩霍夫集成電路研究所合作的結果。

新研究的主要作者Christian Matek說：“在我們的數據庫之上，我們開發了一個神經網絡，它不僅在準確性方面優于以前的細胞分類機器學習算法，而且在通用性方面也是如此。深度神經網絡是一個專門用于處理圖像的機器學習概念。骨髓細胞的分析還沒有用這種先進的神經網絡進行過，這也是由于直到現在還沒有高質量的公共數據集。”

研究人員旨在進一步擴大他們的骨髓細胞數據庫，并前瞻性地驗證他們的模型。

科學家說：“該數據庫和模型可免費用于研究和培訓，教育專業人士，或在血癌診斷中，作為進一步基于人工智能的參考。”

該研究論文題為"Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set"，已發表在Blood期刊上。

前瞻經濟學人APP資訊組

參考資料：https://ashpublications.org/blood/article/138/20/1917/477932/Highly-accurate-differentiation-of-bone-marrow

標簽： AI 血液疾病