人工智能在血中状细胞识别中的应用:对发展中国家来说,潜在的游戏改变者
Puja Singh1,2, Mitesh Shah2, Ashish K Dubey3
1Pathology, Jawaharlal Nehru Medical College, Wardha, IND.
Cureus
|December 1, 2025
概括
人工智能 (AI) 在血液涂抹中准确检测状细胞疾病 (SCD),改善早期诊断. 这种人工智能辅助的查为SCD检测提供了更快,更容易获得的解决方案,特别是在资源有限的地区.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
- 遗传学 是一个遗传学.
背景情况:
- 状细胞疾病 (SCD) 是一种遗传性血液疾病,导致全球显著的健康问题,特别是在撒哈拉以南非洲和印度.
- 传统的SCD诊断方法往往需要专门的资源,阻碍了及时和广泛的检测.
- 人工智能 (AI) 为提高SCD识别诊断速度和准确性提供了一个有希望的解决方案.
研究的目的:
- 开发和评估人工智能应用程序用于早期检测状细胞疾病 (SCD) 使用血涂片图像.
- 为了比较不同的AI模型的性能,包括GoogLeNet和ResNet,在识别状细胞.
主要方法:
- 使用了来自73名参与者的血液样本 (13个正常,60个有SCD变体),不包括其他血红蛋白病变.
- 采用全血细胞计数 (CBC),外围涂抹分析和血红蛋白电泳作为诊断基准.
- 在Google Colab中开发了AI模型 (GoogLeNet,ResNet),分析了730张图像,并使用灵敏度,特异性和F1得分等指标评估性能.
主要成果:
- 在正常和SCD患者之间观察到CBC参数 (血红蛋白,MCV,MCH) 的显著差异.
- 卷积神经网络模型ResNet50在分类状细胞方面表现出最高的性能.
- 人工智能模型在识别状细胞方面取得了很高的准确性,ResNet50的表现优于GoogLeNet和ResNet18.
结论:
- 人工智能在血液涂抹图像中识别状细胞方面表现出高度准确性,证实了其用于SCD诊断的潜力.
- 人工智能辅助查可能会减少诊断延迟,并改善SCD流行率高的地区患者的治疗结果.
- 需要解决与验证,基础设施和采用相关的挑战,以便在SCD诊断中广泛实施AI.
