Inteligencia artificial ayuda a diagnosticar la leucemia

Los síntomas típicos de los linfomas malignos de células B y las leucemias relacionadas son que los ganglios linfáticos se inflaman, hay pérdida de peso y fatiga, así como fiebre e infecciones. Si se sospecha un cáncer del sistema linfático de este tipo, el médico toma una muestra de sangre o médula ósea y la envía a laboratorios especializados para el análisis de citometría de flujo.

Científicos clínicos y bioinformáticos asociados con la Universidad de Bonn (Bonn, Alemania) y colegas de otras instituciones, presentan un flujo de trabajo que permite que la inteligencia artificial (IA) existente se adapte a múltiples protocolos de CFM. Combinaron el aprendizaje por transferencia (AT) con la fusión de datos de la CFM para aumentar la robustez de la IA. El conjunto de datos base consta de alrededor de 18.000 muestras de entrenamiento adquiridas utilizando un panel de CFM de 9 colores en el Laboratorio de Leucemia de Múnich (MLL, Múnich, Alemania) entre 2017 y 2018. Se obtuvieron cuatro conjuntos de datos de objetivos de CFM adicionales con diferentes composiciones de paneles de CFM. Todas las muestras se analizaron en citómetros de flujo Navios (Beckman Coulter, Miami, FL, EUA).

La citometría de flujo es un método en el que las células sanguíneas pasan por sensores de medición a alta velocidad. Las propiedades de las células se pueden detectar en función de su forma, estructura o coloración. La detección y caracterización exacta de las células patológicas es importante al realizar un diagnóstico. Los laboratorios utilizan “anticuerpos” que se adhieren a la superficie de las células y que están acoplados a colorantes fluorescentes. Estos marcadores también se pueden usar para detectar pequeñas diferencias entre las células cancerosas y las células sanguíneas sanas. La citometría de flujo genera grandes cantidades de datos. En promedio, se miden más de 50.000 células por muestra. Luego, estos datos se analizan típicamente en la pantalla trazando la expresión de los marcadores utilizados entre sí.

La gran novedad de la IA presentada en el estudio radica en la posibilidad de transferencia de conocimiento. Los laboratorios particularmente más pequeños que no pueden permitirse su propia experiencia en bioinformática y que también pueden tener muy pocas muestras para desarrollar su propia IA desde cero pueden beneficiarse de este estudio. Después de una breve fase de entrenamiento, durante la cual la IA aprende los detalles del nuevo laboratorio, puede aprovechar el conocimiento derivado de muchos miles de conjuntos de datos.

Peter M. Krawitz, MD, PhD, profesor del Instituto de Estadística Genómica y Bioinformática y autor principal del estudio, dijo: “El estándar de oro es el diagnóstico por parte de hematólogos, que también puede tener en cuenta los resultados de pruebas adicionales. El objetivo de usar IA no es reemplazar a los médicos, sino hacer el mejor uso de la información contenida en los datos”.

Los autores concluyeron que su flujo de trabajo extendió los modelos de aprendizaje profundo a múltiples paneles de CFM y lograron una alta exactitud para la clasificación de múltiples etiquetas en todos los conjuntos de datos. Abordaron algunos de los desafíos anteriores para la clasificación con la citometría de flujo automatizada al permitir que los modelos se entrenaran con tamaños de entrenamiento más pequeños y generalizaron modelos para trabajar con múltiples paneles de CFM. El flujo de trabajo es un paso hacia la robustez de los modelos de aprendizaje profundo para que la IA, para el diagnóstico CFM, pueda pasar de la etapa de “prueba de concepto” a los diagnósticos de rutina. El estudio fue publicado el 17 de septiembre de 2021 en la revista Patterns.

Enlace relacionado:
Universidad de Bonn
Laboratorio de Leucemia de Múnich