了不起！AI數(shù)據(jù)分析系統(tǒng) 成為診斷血液疾病的得力助手

每天，世界各地的細(xì)胞學(xué)專家都在使用光學(xué)顯微鏡對骨髓細(xì)胞樣本進(jìn)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(diǎn)是太過復(fù)雜。尋找罕見但具有診斷意義的細(xì)胞是一項(xiàng)既費(fèi)力又費(fèi)時(shí)的工作。人工智能有可能促進(jìn)這種方法，然而人們還需要大量的高質(zhì)量數(shù)據(jù)來訓(xùn)練人工智能算法。

慕尼黑的科學(xué)家開發(fā)了迄今為止最大的骨髓細(xì)胞顯微圖像的開放數(shù)據(jù)庫。該數(shù)據(jù)庫由超過900名各種血液疾病患者的17萬張單細(xì)胞圖像組成。它是慕尼黑亥姆霍茲與慕尼黑大學(xué)醫(yī)院、MLL慕尼黑白血病實(shí)驗(yàn)室（該領(lǐng)域全球最大的診斷機(jī)構(gòu)之一）和弗勞恩霍夫集成電路研究所合作的結(jié)果。

新研究的主要作者Christian Matek說：“在我們的數(shù)據(jù)庫之上，我們開發(fā)了一個(gè)神經(jīng)網(wǎng)絡(luò)，它不僅在準(zhǔn)確性方面優(yōu)于以前的細(xì)胞分類機(jī)器學(xué)習(xí)算法，而且在通用性方面也是如此。深度神經(jīng)網(wǎng)絡(luò)是一個(gè)專門用于處理圖像的機(jī)器學(xué)習(xí)概念。骨髓細(xì)胞的分析還沒有用這種先進(jìn)的神經(jīng)網(wǎng)絡(luò)進(jìn)行過，這也是由于直到現(xiàn)在還沒有高質(zhì)量的公共數(shù)據(jù)集。”

研究人員旨在進(jìn)一步擴(kuò)大他們的骨髓細(xì)胞數(shù)據(jù)庫，并前瞻性地驗(yàn)證他們的模型。

科學(xué)家說：“該數(shù)據(jù)庫和模型可免費(fèi)用于研究和培訓(xùn)，教育專業(yè)人士，或在血癌診斷中，作為進(jìn)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(fā)表在Blood期刊上。

前瞻經(jīng)濟(jì)學(xué)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(biāo)簽： AI 血液疾病