ドレスデンの研究者が骨髄内の白血病を検出する AI モデルの開発に対して資金提供賞を受賞: E-HEALTH-COM

デジタル化は研究室でもますます重要な役割を果たしています。データ分析における人工知能の使用は、診断と個別治療の分野での可能性を大幅に拡大します。したがって、ドイツ臨床化学・検査医学協会 (DGKL) は、優れた科学的業績に対してデジタル ラボラトリー賞を授与します。今年は、Dr.医学。ヤン・ミデケとDr.医学。ドレスデン大学病院、ドレスデン工科大学のエルゼ・クローナー・フレゼニウス・デジタル・ヘルス・センター（EKFZ）、ドレスデン国立腫瘍疾患センター（NCT/UCC）の医師および科学者であるヤン・ニクラス・エッカート氏は、これらの功績により15,000ユーロの賞を受賞した。 AI を活用した骨髄内の白血病の検出に関する研究。彼らはケルン出身のアニカ・マイヤーと賞を分け合い、彼女は医学国家試験の一環としての人工知能の使用に関する研究で賞を受賞した。

いわゆる急性骨髄性白血病、略してAMLは、造血細胞が初期段階で制御不能に増殖する造血系の悪性疾患です。影響を受けた細胞は機能的な血球に成長することはありませんが、徐々に細胞を置き換えます。迅速かつ正確な診断は、個人を開発し、ひいては影響を受けた人々の治療を成功させるために非常に重要です。

博士。ヤン・ミデケとDr. Jan-Niklas Eckardt 氏は、ドレスデン大学病院と EKFZ で学際的な作業グループ「がんにおける人工知能」を率いています。 2 人の医師はチームとともに、血液がんのより適切な診断を目的として、医学とコンピューター サイエンスの間のインターフェイスでコンピューター支援による意思決定を行うシステムを研究開発しています。これまで血液疾患に使用されてきた診断手法は限界に達しつつあります。 「専門家による骨髄形態の評価はAMLの診断に不可欠ですが、現在標準化の欠如に悩まされています。 「ディープラーニングは医療画像データを分析し、正確な予測を提供することで、この問題に対処できます」と博士は説明します。ミデケ氏は、NCT/UCCドレスデンの血液学/腫瘍科の外来診療所と日帰り診療所の責任者でもある。ドイツ血液腫瘍学会 (DGHO) の「血液腫瘍学における人工知能」作業グループの共同創設者であるミデケ氏は、ディープラーニングの使用は効率を向上させるだけでなく、診断の精度も向上しました。 「長期的には、これが患者の治療改善につながることを期待しています」と彼は言う。

一例として、同氏は、ヤン・ニクラス・エッカード氏とマルティン・ボルンホイザー教授が共同で実施し、有名な学術誌「白血病」に掲載された「深層学習は急性骨髄性白血病を検出し、骨髄塗抹標本からNPM1変異状態を予測する」という研究を挙げている。 AMLには細胞形態学と呼ばれる初期調査が使用されます。これは、特に骨髄芽球の数とその形態を評価することにより、診断に非常に重要です。 AML で頻繁に変異する遺伝子はヌクレオフォスミン 1 (NPM1) で、これは症例の約 3 分の 1 で発生し、疾患の発症に重要な役割を果たしています。ただし、細胞形態学的データの解釈は非常に主観的なものであることがよくあります。そこでこの研究では、デジタル化された骨髄画像を使用してAML症例と健康なサンプルを区別し、特定の形態学的特徴を分析することでNPM1変異状態を正確に予測するAIコンセプトを開発した。

「この結果は、突然変異の状態を予測できる形態学的特徴を導き出す深層学習の可能性を示しています」と博士は結論付けました。ミデケ。 「将来の研究は、臨床的に関連する追加の変異に焦点を当てる予定です。実践に統合するには、機械学習モデルが高精度で一般化可能である必要があり、それには医師とソフトウェア開発者の協力が必要です」と彼は言います。

それが、彼が同僚のエッカードやビジネス情報システム、コンピューターサイエンス、生物学、医学の他の専門家とともに会社を設立した理由です。 カンチリッチ 診断プロセスをより迅速かつ正確にする、適切な AI 主導のソフトウェア ツールを開発するために設立されました。

リンバッハ グループ SE によって寄贈されたこの賞は、医療におけるデジタル化と AI の応用の分野におけるドレスデンの重要性を強調しています。

研究と方法
「ディープラーニングは急性骨髄性白血病を検出し、骨髄塗抹標本からNPM1変異状態を予測する」という研究では、いくつかの多施設研究と患者登録から新たに診断されたAML患者1,251人を分析し、健康な骨髄ドナーからの236個の対照サンプルを補足した。サンプルは WHO ガイドラインに従って調製され、NPM1 変異についてスクリーニングされました。デジタル骨髄画像をセグメント化して分類するために、多段階の機械学習ワークフローが開発されました。細胞セグメンテーションに対する人間参加型のアプローチとさまざまな深層学習モデルを使用して、AML サンプルと健康なサンプルを区別し、NPM1 の状態を予測しました。

出版物:
Eckardt, JN.、Middeke, JM、Riechert, S. 他ディープラーニングは急性骨髄性白血病を検出し、骨髄塗抹標本から NPM1 変異状態を予測します。白血病 36、111–118 (2022)。

https://www.nature.com/articles/s41375-021-01408-w

クエレ: ドレスデン工科大学