境界を定義する段階の赤血球
アメリカの研究者は、患者の血液中の赤血球の形状を自動的に決定するためのアルゴリズムを開発しました。新しいシステムは畳み込みニューラルネットワークに基づいて動作し、87.9％の精度で鎌状赤血球を検出します。この記事は、ジャーナルPLOS ComputationalBiologyに掲載されました。
鎌状赤血球貧血はヘモグロビン症（ヘモグロビンタンパク質の構造の違反）であり、正常なヘモグロビンAの代わりに赤血球（赤血球）にヘモグロビンS（略してHbS）が含まれています。血球にこのようなヘモグロビンが存在すると、鎌状になります。このような細胞は通常よりも酸素を運びにくく、破壊が早く、貧血につながります。したがって、細胞血液検査は病気を診断するための最も効果的な方法です。しかし、これは、第一に、鎌状赤血球貧血の人々の血液中のすべての赤血球が同じ形をしているわけではなく、第二に、赤血球の形と数を分析するすべての既存の方法が取るという事実によって複雑になります多くの時間と人的資源。さらに、貧血患者の血液サンプルには、互いに非常に近い赤血球が含まれている場合があります。これは手動で決定できますが、既存の自動画像分析方法では決定できません。最新の機械学習技術を使用して赤血球の構造を分析するための新しい自動メソッドの作成は、病理の効果的な識別に役立ちます。
新しい研究の著者は、赤血球を形状によって分類し、それによって病気の存在を特定できるニューラルネットワークを提示しました。新しいアルゴリズムは、畳み込みニューラルネットワーク（効率的な画像認識を目的とした深層学習の方法）に基づいて機能し、いくつかの段階を経ます。
まず、ニューラルネットワークは入力として血液の顕微鏡写真を受け取り、一般的な背景に対して赤血球を認識します。その後、ニューラルネットワークはそれらのおおよその境界を決定します。これは、互いに近すぎる赤血球を分離するのに役立ちます。この段階で、アルゴリズムは個々の赤血球を分離します。次に、赤血球の形状は、2次元画像の2つの軸の長さから得られる楕円率と真円度のパラメータによって決定されます。
トレーニングサンプルとして、研究者は鎌状赤血球症の8人の患者の血液の434枚の顕微鏡写真を使用しました。そこでは7000以上の個々の細胞が認識されました。
ニューラルネットワークは、貧血患者の血液中に存在する8つの形態の赤血球を特定することを学びました。これには、円板状赤血球（双円錐形の赤血球-正常な形態）、および鎌状赤血球と楕円形の赤血球が含まれます。研究者たちは、ニューラルネットワークによる鎌状赤血球の測定で87.9パーセントの精度を達成することに成功しました。アルゴリズムの作成者は、同様の分類を使用して、球状赤血球症などの赤血球の他の欠陥を診断することもできることに注意しています。
病気を診断するための新しい方法に加えて、科学者は鎌状赤血球貧血や他のヘモグロビン症を効果的に治療する方法も開発しています。たとえば、ここでは、遺伝子治療が貧血の治療にどのように引き付けられたかについて、そしてここでは、CRISPR / Cas9による治療について学ぶことができます。
