对外围血液涂抹的计算分析检测出与疾病相关的细胞形态
José Guilherme de Almeida1,2, Emma Gudgin3, Martin Besser3
1European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK.
Nature communications
|July 20, 2023
概括
血是一种计算工具,分析血细胞形态,以帮助诊断骨髓质疏松综合征 (MDS) 和相关贫血症. 它可以识别不同的细胞特征,提高诊断准确度,并可能融入常规工作流程.
科学领域:
- 血液学 血液学 血液学
- 计算病理学计算病理学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 血液学疾病,如骨髓质疏松症候群 (MDS) 涉及改变的血细胞形态.
- 在MDS中,周围血液幻灯片分析可以显示变化,但与其他贫血症存在重叠.
- 准确的MDS诊断需要骨髓分析,骨类型和分子测试.
研究的目的:
- 呈现出血,一种用于检测和表征白细胞 (WBC) 和红细胞 (RBC) 在外周血液涂抹 (PBS) 的计算方法.
- 评估出血病在各种血液病症中识别形态差异的能力,包括SF3B1突变型MDS,SF3B1野生型MDS,巨细胞贫血和缺铁性贫血.
- 评估自动化细胞形态学在常规诊断应用中的潜力.
主要方法:
- 开发和应用Hemorasis,一种用于分析PBS中的WBC和RBC形态的计算方法.
- 分析了300多个不同血液状况的个体.
- 整合细胞形态特征使用机器学习进行诊断预测.
主要成果:
- 血分析了超过50万个白细胞和数百万个红细胞,描述了它们的形态.
- 鉴定出了明显的形态特征:在SF3B1-突变MDS.中,高聚化中性粒细胞和大红细胞.
- 与缺铁性贫血相比,超球状中性粒细胞在巨细胞性贫血中较大.
- 机器学习的整合使得Haemorasis能够高精度地将SF3B1突变MDS与其他MDS区分开来,仅使用细胞形态学和血液计数.
- 外部验证证实了不同中心和扫描仪发现的概括性.
结论:
- 使用血液病的自动化细胞形态学分析可以识别细胞形态和疾病之间的新相关性.
- 该方法显示了区分MDS亚型和其他血液学状况的潜力.
- 将自动化细胞形态学大规模纳入常规诊断工作流程是可行的和有益的.
更多相关视频
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
7.1K
10:29Semi-automatic PD-L1 Characterization and Enumeration of Circulating Tumor Cells from Non-small Cell Lung Cancer Patients by Immunofluorescence
Published on: August 14, 2019
10.6K
