机器学习增强的数字显微镜用于个性化评估红细胞储存损伤
Jiang Deng1, Hailong Zhuo2, Chaojie Wang1,3
1Academy of Military Medical Science, Beijing, People's Republic of China.
Vox sanguinis
|August 31, 2025
概括
这项研究引入了一种机器学习平台,用于使用显微镜图像评估红细胞储存损伤. 人工智能准确地预测红细胞衰老, 提供个性化的输血治疗方法.
科学领域:
- 血液学
- 生物医学工程
- 人工智能
背景情况:
- 红细胞在保存过程中会产生存储损伤,从而对输血有效性产生负面影响.
- 目前的临床实践缺乏评估红细胞衰老和存储质量的个性化方法.
研究的目的:
- 开发一个整合机器学习 (ML) 和显微镜的新平台,以进行个性化的红细胞存储损伤评估.
- 创建一个准确和临床适用的方法来评估红细胞衰老.
主要方法:
- 使用整片成像,从储存的红细胞中数字化血涂片和细胞制剂.
- 使用经典机器学习,深度学习 (DL) 和组合学习的预测模型的开发和验证.
- 在大型数据集 (超过100万张图像) 上测试模型,并根据流细胞计验证.
主要成果:
- 深度学习模型显著优于经典的ML,达到高精度 (高达0.86).
- 一个集体学习模型 (RBC-MELM) 显示了红细胞形态的增强预测能力.
- 在识别加速红细胞衰老方面,ML方法比流细胞计更有效.
结论:
- 开发的ML平台提供了一个快速,准确和稳定的方法来个性化评估红细胞储存损伤.
- 通过对红细胞进行个性化质量控制,这种方法有可能改善输血结果.
