Un equip d'investigadors de la Universitat de les Illes Balears proposa una metodologia basada en l’ús d'algoritmes de reconeixement automàtic d'imatges que poden ser interpretats pels humans per donar suport al diagnòstic d'aquesta malaltia hereditària dels glòbuls vermells
L’anèmia drepanocítica o malaltia de cèl·lules falciformes és un trastorn hereditari dels glòbuls vermells, que fa que adoptin forma de falç o de mitja lluna. A diferència dels glòbuls vermells sans, la forma irregular i la manca d’elasticitat dels glòbuls vermells falciformes fa que morin abans d’hora i no puguin arribar a tot el cos. En conseqüència, les persones afectades pateixen escassetat de glòbuls vermells i anèmia, entre altres complicacions.
Una de les tècniques que es fa servir per diagnosticar aquesta malaltia és l’observació amb microscopi de mostres de sang dels pacients i el recompte dels glòbuls vermells que presenten forma de falç. Aquesta tasca consumeix grans quantitats de temps dels metges, que es podrien dedicar a resoldre tasques més complexes. Ara bé, aquesta situació podria quedar enrere si els metges comptassin amb el suport de sistemes de diagnòstic basats en l’ús d’intel·ligència artificial.
Amb aquest objectiu, un equip d’investigadors de la Universitat de les Illes Balears ha proposat l’ús d’algoritmes de reconeixement automàtic d’imatges per a l’anàlisi de mostres de sang amb l’objectiu d’automatitzar el diagnòstic de l’anèmia drepanocítica i fer-lo més ràpid.
Els investigadors, membres de la Unitat de Gràfics i Visió per Ordinador i Intel·ligència Artificial (UGIVIA) i del grup de recerca en Soft Computing, Processament d’Imatges i Agregació (SCOPIA) de la UIB, han avaluat els paràmetres dels glòbuls vermells en aspectes com ara la forma, el color i la textura, així com els mètodes de classificació que ofereixen millors rendiments per al diagnòstic mitjançant imatges de mostres de sang.
Posteriorment, els investigadors han elaborat un algoritme capaç de reconèixer de manera automàtica les cèl·lules falciformes en imatges de mostres de sang. Aquest algoritme proposat pels investigadors de la UIB ha donat millors resultats que les metodologies desenvolupades fins al moment. A més, per confiar en el comportament del sistema proposat, també se n’ha analitzat la interpretabilitat.
Aquesta recerca s’ha publicat recentment a la revista científica Computers in Biology and Medicine i s’ha fet en el marc dels projectes de recerca EXPLAINING (Explainable Artificial Intelligence systems for health and well-being, PID2019-104829RA-I00 / AEI / 10.13039/501100011033) i TSOCTIPI (Soft Computing techniques for uncertainty management in imatge processing, TIN2016-75404-P), del Pla estatal d'investigació científica i tecnològica i d'innovació del Govern d'Espanya, i el projecte PROCOE/2/2017 del Govern de les Illes Balears
Referència bibliogràfica
Petrovic, N.; Moyà-Alcover, G.; Jaume-i-Capó, A.; González-Hidalgo, M. Sicke-cell disease diagnosis support selecting the most appropriate machine learning method: Towards a general and interpretable approach for cell morphology analysis from microscropy images. Computers in Biology and Medicine, vol. 126, 2020, 10427. https://doi.org/10.1016/j.compbiomed.2020.104027.
Data de publicació: 15/02/2021