每天，世界各地的细胞学专家都在使用光学显微镜对骨髓细胞样本进行成千上万次的分析和分类。这种诊断血液疾病的方法是在150多年前建立的，但其缺点是太过复杂。寻找罕见但具有诊断意义的细胞是一项既费力又费时的工作。人工智能有可能促进这种方法，然而人们还需要大量的高质量数据来训练人工智能算法。

慕尼黑的科学家开发了迄今为止最大的骨髓细胞显微图像的开放数据库。该数据库由超过900名各种血液疾病患者的17万张单细胞图像组成。它是慕尼黑亥姆霍兹与慕尼黑大学医院、MLL慕尼黑白血病实验室（该领域全球最大的诊断机构之一）和弗劳恩霍夫集成电路研究所合作的结果。

新研究的主要作者Christian Matek说：“在我们的数据库之上，我们开发了一个神经网络，它不仅在准确性方面优于以前的细胞分类机器学习算法，而且在通用性方面也是如此。深度神经网络是一个专门用于处理图像的机器学习概念。骨髓细胞的分析还没有用这种先进的神经网络进行过，这也是由于直到现在还没有高质量的公共数据集。”

研究人员旨在进一步扩大他们的骨髓细胞数据库，并前瞻性地验证他们的模型。

科学家说：“该数据库和模型可免费用于研究和培训，教育专业人士，或在血癌诊断中，作为进一步基于人工智能的参考。”

该研究论文题为"Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set"，已发表在Blood期刊上。

前瞻经济学人APP资讯组

参考资料：https://ashpublications.org/blood/article/138/20/1917/477932/Highly-accurate-differentiation-of-bone-marrow

标签： AI 血液疾病