Клетки крови происходят из предшественников стволовых клеток в костном мозге, дифференцируясь в множество специализированных типов клеток. В случае генетического заболевания миелодиспластическим синдромом (myelodysplastic syndrome – MDS), эти клетки крови формируются неправильно, вызывая неконтролируемое кровотечение, частые инфекции и затрудненное дыхание. Кроме того, MDS повышает риск развития лейкемии.

Ранние предупреждающие признаки MDS часто трудно обнаружить. У многих пациентов либо отсутствуют, либо проявляются очень слабые симптомы. Это состояние связано с нарушением естественного развития клеток крови. Более пристальный взгляд на образцы крови пациентов с MDS показывает гораздо больше незрелых или дефектных клеток крови, чем здоровых, функциональных. Со временем это приводит к таким физиологическим проблемам, как анемия, лейкопения и неэффективное свертывание крови.

Однако подтверждение диагноза MDS остается серьезной клинической проблемой. Врачи обычно берут образцы клеток костного мозга и выполняют набор генетических тестов, чтобы получить представление. Теперь инновационная платформа, использующая возможности машинного обучения, может ознаменовать новый рассвет в технологиях диагностики MDS.

Исследователи из Хельсинкского университета впервые получили образцы тканей костного мозга от пациентов с MDS. Клетки в этих слоях ткани были помечены и сфотографированы микроскопически. Полученные цифровые изображения затем были введены в вычислительную модель, чтобы «научить» алгоритм подбирать диагностические подсказки, указывающие на MDS.

Исследование, опубликованное в рецензируемом журнале Blood Cancer Discovery, описывает, как система машинного обучения идентифицирует аберрантные клетки в образце. Наличие большой доли необычно выглядящих клеток указывает на более высокую вероятность MDS.

Концепция использования компьютеров для поддержки диагностических решений не нова. Однако в реальном мире технологии изо всех сил пытаются разобраться в очень сложных биологических данных, таких как изображения человеческих тканей. Исследователи преодолели это препятствие, разработав метод для получения выводов о клетках костного мозга в ландшафте других клеток и тканевых структур.

«Исследование подтверждает, что вычислительный анализ помогает выявить особенности, которые ускользают от человеческого глаза», — сказал Сату Мастейки, ведущий научный сотрудник исследования. «Кроме того, анализ данных помогает собирать количественные данные о клеточных изменениях и их отношении к прогнозу пациента».

Мустйоки и его коллеги видят много преимуществ в своей новой платформе: она быстрее, точнее и имеет гораздо более высокую пропускную способность, чем обычные методы. Эти шаги вперед также вписываются в более широкую направленность отрасли на полную цифровизацию медицинской науки. В конечном счете, это приводит к более ранним вмешательствам и улучшению результатов лечения пациентов с MDS.

Александр Буценко