人工智能使自动分类骨髓细胞成为可能，如图所示。该方法是诊断血液病的重要步骤。图片来源：慕尼黑亥姆霍兹 / Carsten Marr

每天，世界各地的细胞学家使用光学显微镜对骨髓细胞样本进行数千次分析和分类。这种诊断血液疾病的方法是在 150 多年前建立的，但它非常复杂。寻找罕见但具有诊断意义的细胞既费力又费时。人工智能有可能推动这种方法——但是，它需要大量高质量的数据来训练人工智能算法。

最大的骨髓细胞图像开源数据库

亥姆霍兹慕尼黑研究人员开发了迄今为止最大的骨髓细胞显微图像开放存取数据库。该数据库包含来自 900 多名患有各种血液疾病的患者的 170,000 多张单细胞图像。这是 Helmholtz Munich 与慕尼黑大学医院、MLL 慕尼黑白血病实验室(全球该领域最大的诊断提供商之一)和弗劳恩霍夫集成电路研究所合作的结果。

使用数据库提升人工智能

“在我们的数据库之上，我们开发了一个神经网络，它在准确性和普遍性方面都优于以前的细胞分类机器学习算法，”这项新研究的主要作者 Christian Matek 说。深度神经网络是一种专门用于处理图像的机器学习概念。“还没有使用如此先进的神经网络对骨髓细胞进行分析，”Christian Matek 解释说，“这也是因为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展他们的骨髓细胞数据库，以获取更广泛的发现并前瞻性地验证他们的模型。“该数据库和模型可免费用于研究和培训目的——教育专业人员或作为进一步基于人工智能的方法的参考，例如在血癌诊断中，”研究负责人 Carsten Marr 说。