De la anemie la cancer, o gamă largă de tulburări sanguine pot fi diagnosticate folosind un test de frotiu sanguin, în cadrul căruia un specialist hematolog observă dimensiunea, forma și numărul de celule sanguine dintr-o probă de pacient sub microscop. „A ști cum arată o celulă sanguină neobișnuită sau bolnavă sub microscop este o parte importantă a diagnosticării multor boli”, a declarat Simon Deltadahl, candidat la doctorat la Universitatea Cambridge și primul autor al studiului.
Cu toate acestea, sunt necesare ani de pregătire pentru a observa cu acuratețe diferențele subtile dintre celulele sanguine care ar putea indica o boală, iar experții nu sunt întotdeauna de acord cu interpretarea unor cazuri mai dificile. În timp ce există instrumente informatice disponibile pentru a sprijini medicii în această sarcină, metodele convenționale de învățare automată luptă să identifice cu acuratețe celulele sanguine din cauza variabilității ridicate observate între celulele sanguine dintr-o probă și între pacienți.
Pentru a depăși aceste limitări, Deltadahl și colegii săi au dezvoltat CytoDiffusion folosind un model generativ bazat pe difuzie, un tip de algoritm de IA folosit în mod obișnuit pentru generarea de imagini și video. În comparație cu algoritmii de clasificare simpli folosiți în modelele AI convenționale, acest algoritm este mai bun la modelarea modelelor vizuale complexe și poate învăța să modeleze întreaga gamă de variabilitate observată în formele celulelor sanguine.
Modelul rezultat a demonstrat capacitatea de a analiza cu acuratețe toate celulele dintr-un frotiu sanguin, ceea ce înseamnă mii de celule individuale în fiecare probă. „Oamenii nu pot privi toate celulele dintr-un frotiu – nu este posibil”, a spus Deltadahl. „Modelul nostru poate automatiza acest proces, triajând cazurile de rutină și evidențiind orice aspect neobișnuit pentru revizuirea umană.”
În căutarea celulelor sanguine anormale, CytoDiffusion a arătat o sensibilitate de peste 90% și o specificitate de 96%, depășind constant alte modele de învățare automată de ultimă generație. Pentru a asigura robustețea, echipa a testat modelul în fața unor provocări reale de IA, cum ar fi imagini pe care nu le-a mai văzut anterior și imagini capturate folosind echipamente diferite. În plus, modelul a fost capabil să genereze imagini sintetice ale celulelor sanguine pe care hematologii experți nu le-ar fi putut distinge de imagini reale.
„Atunci când am testat acuratețea sa, sistemul a fost puțin mai bun decât oamenii”, a spus Deltadahl. „Dar acolo unde s-a evidențiat cu adevărat a fost capacitatea sa de a ști când era nesigur. Modelul nostru nu ar spune niciodată că este sigur și apoi să greșească, ceea ce uneori fac oamenii.”
„Lucrarea noastră sugerează că IA generativă va fi centrală în această misiune de îmbunătățire a diagnosticului…”
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
