计算红细胞健康指数在定量阶段成像和机器学习上
Yaw Ofosu Nyansa Ansong-Ansongton1, Timothy D Adamson1
1Department of Bioengineering, KovaDx, New Haven, CT; Department of Bioengineering, University of California Berkeley, Bioengineering, Berkeley, CA.
Experimental hematology
|January 21, 2024
概括
一个新的状红细胞健康指数,使用QPI和机器学习,量化状细胞疾病 (SCD) 中的红细胞健康状况. 该指数显示了SCD和非SCD个体之间的显著差异,可以帮助临床管理.
科学领域:
- 生物医学工程 生物医学工程
- 血液学 血液学 血液学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 状细胞疾病 (SCD) 是一种影响红细胞 (RBC) 的遗传性血液疾病,导致严重的健康并发症和寿命缩短.
- 目前SCD的诊断方法可能无法完全捕捉红细胞的动态健康状况,需要先进的评估工具.
研究的目的:
- 开发和验证一种体外定量评估,即红细胞健康指数 (SEHI),用于评估SCD中的红细胞健康状况.
- 利用定量相成像 (QPI) 和机器学习 (ML) 进行全面的红细胞健康模型.
主要方法:
- 使用定量相成像 (QPI) 来捕获红细胞的高分辨率图像.
- 机器学习模型,包括深度学习,用于分析细胞变形,形分类和膜灵活性.
- 通过使用手工制作的和从QPI数据中学习的特征来计算SEHI.
主要成果:
- 在SEHI中,SCD和没有SCD的个体之间的红细胞健康状况有统计学上显著的差异.
- 暴露于甲基硫酸盐导致SCD血液样本中的状形增加和膜灵活性降低,这是SEHI检测到的.
- 手工和基于深度学习的SEHI计算都对这些诱导的变化敏感.
结论:
- 开发的红细胞健康指数在SCD中提供了强大的体外测量红细胞健康状况.
- SEHI对改善SCD管理和治疗决策具有潜在的临床影响.
- 建议在不同患者群体进行进一步验证,以确定其广泛的临床实用性.
