Met behulp van een computationele benadering die bekend staat als deep learning, wetenschappers hebben een nieuw systeem ontwikkeld om de vormen van rode bloedcellen in het bloed van een patiënt te classificeren. De bevindingen, gepubliceerd in PLOS Computational Biology , zou mogelijk kunnen helpen artsen mensen met sikkelcelziekte te volgen.

Een persoon met sikkelcelziekte produceert abnormaal gevormde, stijve rode bloedcellen die bloedvaten kunnen opbouwen en blokkeren, pijn en soms de dood veroorzaken. De ziekte is genoemd naar sikkelvormige (sikkelachtige) rode bloedcellen, maar het resulteert ook in vele andere vormen, zoals ovale of langwerpige rode bloedcellen. De specifieke vormen die bij een bepaalde patiënt worden gevonden, kunnen aanwijzingen bevatten voor de ernst van hun ziekte, maar het is moeilijk om deze vormen handmatig te classificeren.

Om het proces van het identificeren van de vorm van rode bloedcellen te automatiseren, Mengjia Xu van de Northeastern University, China, en collega's ontwikkelden een computationeel raamwerk dat gebruikmaakt van een machine-learningtool die bekend staat als een diep convolutief neuraal netwerk (CNN).

Het nieuwe raamwerk gebruikt drie stappen om de vormen van rode bloedcellen in microscopische afbeeldingen van bloed te classificeren. Eerst, het onderscheidt rode bloedcellen van de achtergrond van elk beeld en van elkaar. Vervolgens, voor elke gedetecteerde cel, het zoomt in of uit totdat alle celafbeeldingen een uniforme grootte hebben. Eindelijk, het gebruikt diepe CNN's om de cellen op vorm te categoriseren.

De onderzoekers valideerden hun nieuwe tool met 7, 000 microscopiebeelden van acht patiënten met sikkelcelziekte. Ze ontdekten dat de geautomatiseerde methode met succes de vorm van rode bloedcellen classificeerde voor zowel zuurstofrijke als zuurstofarme cellen (rode bloedcellen transporteren zuurstof naar weefsels door het hele lichaam).

"We hebben de eerste deep learning-tool ontwikkeld die automatisch veranderingen in rode bloedcellen kan identificeren en classificeren, vandaar direct kwantitatief bewijs van de ernst van de ziekte, ", zegt co-auteur van de studie George Karniadakis.

Het onderzoeksteam is van plan om hun diepe CNN-tool verder te verbeteren en te testen op andere bloedziekten die de vorm en grootte van rode bloedcellen veranderen, zoals diabetes en hiv. Ze zijn ook van plan om het nut ervan bij het karakteriseren van kankercellen te onderzoeken.