Clasificación de células sanguíneas anormales mediante modelos de machine learning y sus aplicaciones al diagnóstico
Línea de investigación
Anna Merino (Clínic)
Consultora Senior Laboratorio Core-Servicio de Bioquímica y Genética Molecular
José Rodellar (UPC)
Profesor Matemáticas UPC
Presentación
Problema
Determinadas enfermedades hematológicas, como son las leucemias y linfomas, son enfermedades graves que pueden aparecer en todas las edades y cuya prevalencia aumenta con la edad. En este sentido, en el año 2018 más de 300.000 muertes se han asociado a la leucemia aguda. La leucemia aguda mieloide es un cáncer agresivo con 3,7 nuevos casos por 100.000 habitantes por año y con una supervivencia a los 5 años de solo el 19% en Europa. Para el diagnóstico inicial de dichas enfermedades es crucial el análisis morfológico de las células sanguíneas circulantes en sangre periférica, aunque dicho estudio presenta cierto grado de subjetividad y requiere elevada experiencia y habilidad.
Aproximación
El grupo de investigación multidisciplinar aborda el problema de la clasificación automática de células sanguíneas anormales en enfermedades hematológicas graves y no hematológicas (malaria, COVID-19) mediante herramientas computacionales basadas en machine learning. El impacto más reciente respecto a la utilización de técnicas de deep learning en diferentes áreas de la medicina ha motivado que nuestro objetivo se centre en el diseño de modelos de clasificación automática de imágenes y análisis de datos basados en estas tecnologías.
Impacto
Modelos automáticos para el reconocimiento de imágenes de células sanguíneas anormales pueden ser de gran utilidad como soporte diagnóstico al especialista del laboratorio, ya que permiten la detección objetiva de anomalías morfológicas características de enfermedades graves. El diagnóstico precoz de dichas enfermedades contribuye a un precoz tratamiento y mejora su pronóstico.
Miembros del equipo
Anna Merino
José Rodellar
Angel Molina
Laura Boldú
Andrea Acevedo
Santiago Alférez
Publicaciones
Alférez S, Merino A, Acevedo A, Puigví L, Rodellar J. Colour clustering segmentation framework for image analysis of malignant lymphoid cells in peripheral blood. Med Biol Eng Comput. 2019, https://doi.org/10.1007/s11517-019-01954-7.
Puigví L, Merino A, Alférez S, Boldú L, Acevedo A, Rodellar J. Quantitative cytologic descriptors to differentiate CLL, Sézary, granular, and villous lymphocytes through image analysis. J Clin Pathol. 2019; DOI: 10.1093/AJCP/AQZ025.
Molina A, Alcaraz J, Guiñón L, Pérez A, Segurana A, Reverter JC, Bedini JL, Merino A. Study of the analytical performance at different concentrations of hematological parameters using Spanish EQAS data. Clin Chem Lab Med, 2019. Doi: 10.1515/cclm-2019-0108.
Oliver-Caldes A, González-Farré B, Merino A, Rozman M. Carcinocytaemia in an advanced stage of invasive ductal carcinoma of the breast. Br J Haematol. 2019; 185(1): 8.
Boldú L, Merino A, Alférez S, Molina A, Acevedo A, Rodellar J. Automatic recognition of different types of acute leukaemia in PB by image analysis. J. Clin Pathol, 2019. doi:10.1136/jclinpath-2019-205949.
Acevedo A, Alférez S, Merino A, Puigví L, Rodellar J. Recognition of PB cell images using convolutional neural networks. Comp Meth Prog Biomed, 2019.doi.org/10.1016/j.cmpb.2019.105020.
Vicente-Steijn R, Tomé A, Maduell F, Xipell M, Castro P, Molina A, Merino A. Green inclusions in neutrophils: A critical finding that must be reported. Int J Lab Hematol. 2019 Dec 24. doi: 10.1111/ijlh.13138.
A Molina, S Alférez, L Boldú, A Acevedo, J Rodellar, A Merino. Sequential classification system for recognition of malaria infection using peripheral blood cell images. J Clin Pathol 2019; doi:10.1136/jclinpath-2019-206419.
N Raskilova, M Cuatrecasas, A Molina, M Rodrigo, L Moreira, J Laguna, M Rodríguez, FM Pérez, JC Laguna and A Merino. Signet ring cell carcinocythaemia in an advanced gastric carcinoma. Int J Lab Hem 2020; DOI: 10.1111/ijlh.13259.
A Acevedo, A Merino, S Alférez, A Molina, L Boldú, J Rodellar. A dataset of microscopic peripheral blood cell images for development of automatic recognition systems. Data_in-Brief 2019; https://doi.org/10.1016/j.dib.2020.105474
M Delgado-Ortet, A Molina, S Alférez, J Rodellar and A Merino. A deep learning approach for segmentation of red blood cell images and malaria detection. Entropy 2020; 22(6), 657; https://doi.org/10.3390/e22060657
J Alcaraz, A Molina, J Laguna, M Rodríguez, JL Bedini, A Merino. Peripheral blood morphology review and diagnostic proficiency evaluation by a new Spanish EQAS during the period 2011-2019. Int J Lab Hematol 2020. DOI: 10.1111/ijlh.13319
Principales prestaciones utilizadas
Hemograma
Fórmula leucocitaria manual
Morfología de sangre periférica
Estudio del frotis de sangre
Patentes
Título: Método implementado por ordenador para reconocimiento y clasificación de células sanguíneas anormales y programas informáticos para llevar a cabo el método
Inventores: S. Alférez, A. Merino, J. Rodellar, L. Mujica, M. Ruiz
Número de registro: P201331348
Proyecto en curso: 2020-2023
Ministry of Science and Innovation of Spain, with reference PID2019-104087RB-I00.