Si usa il deep learning per studiare i globuli rossi

Utilizzando l'approccio computazionale del deep learning gli scienziati hanno sviluppato un nuovo sistema per classificare le forme dei globuli rossi nel sangue di un paziente.

I risultati, pubblicati in Plos Computational Biology, potrebbero potenzialmente aiutare i medici a monitorare le persone affette dalla malattia delle cellule falciformi. Una persona affetta da falciforme produce globuli rossi di forma anormale, rigidi, che possono accumularsi e bloccare i vasi sanguigni, causando dolore e talvolta morte.

La malattia prende il nome dai globuli rossi a forma di falce ma provoca anche molte altre forme, come i globuli rossi ovali o allungati. Le forme particolari che si trovano in un determinato paziente possono contenere indizi sulla gravità della loro malattia, ma è difficile classificare manualmente queste forme.

Deep convolutional neural network

Per automatizzare il processo di identificazione della forma dei globuli rossi un team dell'Università del Nord-Est in Cina, ha sviluppato un framework computazionale che utilizza uno strumento di apprendimento macchina conosciuto come deep convolutional neural network (Cnn).

La nuova struttura utilizza tre passaggi per classificare le forme dei globuli rossi in immagini microscopiche del sangue. In primo luogo, distingue i globuli rossi dallo sfondo di ogni immagine e l'uno dall' altro.

Poi, per ogni cellula rilevata, ingrandisce o rimpicciolirà fino a quando tutte le immagini della cellula sono di dimensioni uniformi. Infine, utilizza Cnn per classificare le cellule in base alla forma. I ricercatori hanno convalidato il loro nuovo strumento utilizzando settemila immagini al microscopio di otto pazienti affetti da malattia delle cellule falci.

Hanno trovato che il metodo automatizzato ha classificato con successo la forma dei globuli rossi sia per le cellule ossigenate sia deossigenate (cellule rosse del sangue trasportano ossigeno ai tessuti in tutto il corpo).

"Abbiamo sviluppato il primo strumento di apprendimento profondo in grado di identificare e classificare automaticamente l'alterazione dei globuli rossi, fornendo così una prova quantitativa diretta della gravità della malattia", afferma George Karniadakis, co-autore dello studio. Il team di ricerca prevede di migliorare ulteriormente Cnn e testarlo in altre malattie del sangue che alterano la forma e le dimensioni dei globuli rossi, come il diabete e l'Hiv.

In programma c’è anche lo studio per verificarne l’utilità nella caratterizzazione delle cellule tumorali.

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche iscriviti alla newsletter gratuita.
CONDIVIDI

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here