赤血球貯蔵病変の個別評価のための機械学習強化デジタル顕微鏡
Jiang Deng1, Hailong Zhuo2, Chaojie Wang1,3
1Academy of Military Medical Science, Beijing, People's Republic of China.
Vox sanguinis
|August 31, 2025
まとめ
この研究は,赤血球の貯蔵病変を顕微鏡画像を用いて評価するための機械学習プラットフォームを導入します. 人工知能は赤血球の老化を正確に予測し 輸血医療の個性的なアプローチを提供します
科学分野:
- 血液学
- 生物医学工学
- 人工知能
背景:
- 赤血球 (RBC) は保存中に貯蔵病変を発症し,輸血の有効性に悪影響を及ぼします.
- 現在の臨床実践では,赤血球の老化と貯蔵の質を評価するための個別化された方法がない.
研究 の 目的:
- パーソナライズされた赤血球貯蔵病変評価のための機械学習 (ML) と顕微鏡を統合した新しいプラットフォームを開発する.
- 赤血球の老化を評価するための正確で臨床的に適用可能な方法を作成する.
主な方法:
- 全スライド画像を用いて,保存された赤血球から採取した血液スプレーとサイトスピン製剤のデジタル化.
- クラシックML,ディープラーニング (DL),アンサンブルラーニングを用いた予測モデルの開発と検証.
- 大量のデータセット (100万枚以上の画像) でモデルをテストし,フローサイトメトリーで検証する.
主要な成果:
- ディープラーニングモデルは,高精度 (最大0.86) を達成し,古典的なMLを大幅に上回りました.
- アンサンブル・ラーニング・モデル (RBC-MELM) は,赤血球の形状を予測する能力を向上させました.
- MLアプローチは,加速された赤血球の老化を特定する際に,フローサイトメトリーよりも効果的であることが示されました.
結論:
- 開発されたMLプラットフォームは,個人化された赤血球貯蔵病変の評価のための迅速で正確な,安定した方法を提供します.
- このアプローチは,赤血球の個別化された品質管理を可能にすることで,輸血結果を改善する可能性があります.
