Classificação de hemácias para anemia falciforme de maneira automatizada com alta precisão com base no método de rede neural convolucional profunda para 8 pacientes com DF (mais de 7, 000 imagens únicas de RBC) para RBCs oxigenados e desoxigenados. Crédito:Xu et al.
Usando uma abordagem computacional conhecida como aprendizado profundo, os cientistas desenvolveram um novo sistema para classificar as formas dos glóbulos vermelhos no sangue de um paciente. As evidências, publicado em PLOS Biologia Computacional , poderia ajudar os médicos a monitorar pessoas com doença falciforme.
Uma pessoa com doença falciforme produz uma forma anormal, glóbulos vermelhos rígidos que podem se acumular e bloquear os vasos sanguíneos, causando dor e às vezes morte. A doença tem o nome de glóbulos vermelhos em forma de foice (em forma de crescente), mas também resulta em muitas outras formas, como glóbulos vermelhos ovais ou alongados. As formas particulares encontradas em um determinado paciente podem conter pistas sobre a gravidade de sua doença, mas é difícil classificar manualmente essas formas.
Para automatizar o processo de identificação da forma dos glóbulos vermelhos, Mengjia Xu da Northeastern University, China, e colegas desenvolveram uma estrutura computacional que emprega uma ferramenta de aprendizado de máquina conhecida como rede neural convolucional profunda (CNN).
A nova estrutura usa três etapas para classificar as formas dos glóbulos vermelhos em imagens microscópicas de sangue. Primeiro, distingue os glóbulos vermelhos do fundo de cada imagem e uns dos outros. Então, para cada célula detectada, ele aumenta ou diminui o zoom até que todas as imagens das células tenham um tamanho uniforme. Finalmente, ele usa CNNs profundos para categorizar as células por formato.
Os pesquisadores validaram sua nova ferramenta usando 7, 000 imagens microscópicas de oito pacientes com doença falciforme. Eles descobriram que o método automatizado classificou com sucesso a forma dos glóbulos vermelhos tanto para células oxigenadas quanto para desoxigenadas (glóbulos vermelhos transportam oxigênio para os tecidos do corpo).
"Desenvolvemos a primeira ferramenta de aprendizagem profunda que pode identificar e classificar automaticamente as alterações dos glóbulos vermelhos, portanto, fornecendo evidências quantitativas diretas da gravidade da doença, "diz o co-autor do estudo George Karniadakis.
A equipe de pesquisa planeja melhorar ainda mais sua ferramenta CNN profunda e testá-la em outras doenças do sangue que alteram a forma e o tamanho dos glóbulos vermelhos, como diabetes e HIV. Eles também planejam explorar sua utilidade na caracterização de células cancerosas.