IA per la diagnosi dei linfomi

La presenza di cancro del sistema linfatico è spesso determinata analizzando campioni di sangue o midollo osseo. Un team guidato da Peter Krawitz dell’Università di Bonn aveva dimostrato, nel 2020, che l’intelligenza artificiale può aiutare nella diagnosi di tali linfomi e leucemie. Il metodo di apprendimento automatico è stato ora ulteriormente sviluppato in modo che possa essere usato anche dai laboratori più piccoli. Lo studio che descrive l’ottimizzazione è stato pubblicato dalla rivista Patterns.


La citometria a flusso, tecnica usata in laboratorio per analizzare i campioni dei pazienti ed effettuare una diagnosi, genera grandi quantità di dati. In media, vengono misurate più di 50.000 cellule per campione. L’analisi dei dati richiede il gating manuale delle popolazioni cellulari, che necessita di tempo, è soggettivo e spesso è limitato a uno spazio bidimensionale.


I ricercatori hanno usato l’intelligenza artificiale per analizzare i dati di citometria. Il team ha preso in considerazione più di 30.000 set di dati di pazienti con linfoma a cellule B per addestrare l’intelligenza artificiale. Il risultato delle valutazioni dell’IA è una diagnosi che deve essere verificata dal medico. Nel processo, l’IA fornisce indicazioni su cellule cospicue. Gli specialisti hanno esaminato i risultati ottenuti analizzando con l’intelligenza artificiale i dati provenienti da campioni di sangue ottenuti dal Munich Leukemia Laboratory (MLL), dalla Charité – Universitätsmedizin Berlin, dall’University Hospital Erlangen e dall’University Hospital di Bonn.


“Il gold standard è la diagnosi degli ematologi, che può anche tenere conto dei risultati di ulteriori test”, afferma Krawitz. “Il punto dell’utilizzo dell’intelligenza artificiale non è sostituire i medici, ma utilizzare al meglio le informazioni contenute nei dati”. La novità dell’IA ora presentata risiede nella possibilità di trasferimento della conoscenza: laboratori particolarmente piccoli che non possono permettersi la propria esperienza in bioinformatica e potrebbero anche avere troppo pochi campioni per sviluppare la propria IA da zero possono trarne vantaggio. Dopo una breve fase di addestramento, durante la quale l’IA apprende le specifiche del nuovo laboratorio, può attingere alle conoscenze derivate da molte migliaia di set di dati. Tutti i dati grezzi e il software completo sono open source e quindi liberamente accessibili.


Fonte: Patterns

IT-NON-05582-W-10/2023