Глазкова А.И.

ФГАОУ ВО «Российский университет дружбы народов»

Лукьянова Е.А.

ФГАОУ ВО «Российский университет дружбы народов»

Артемьева О.А.

ООО «ДиаЛаб Плюс»

Денисова О.В.

ФГБУ «ФНКЦ ФМБА» России Академия ПДО

Жалялов А.С.

ФГАОУ ВО «Российский университет дружбы народов»;
ООО «Сэлли ЭйАй»

Подсчет лейкоцитарной формулы при помощи машинного обучения с использованием смартфона

Авторы:

Глазкова А.И., Лукьянова Е.А., Артемьева О.А., Денисова О.В., Жалялов А.С.

Подробнее об авторах

Журнал: Лабораторная служба. 2022;11(2): 53‑55

Прочитано: 1847 раз


Как цитировать:

Глазкова А.И., Лукьянова Е.А., Артемьева О.А., Денисова О.В., Жалялов А.С. Подсчет лейкоцитарной формулы при помощи машинного обучения с использованием смартфона. Лабораторная служба. 2022;11(2):53‑55.
Glazkova AI, Lukianova EA, Artemieva OA, Denisova OV, Zhalyalov AS. White blood cells differential using machine learning with a smartphone. Laboratory Service. 2022;11(2):53‑55. (In Russ.)
https://doi.org/10.17116/labs20221102153

Рекомендуем статьи по данной теме:
Раз­ра­бот­ка прог­рам­мно­го обес­пе­че­ния на ос­но­ве ис­кусствен­но­го ин­тел­лек­та для циф­ро­вой оцен­ки ре­па­ра­тив­ной ре­ге­не­ра­ции кос­тной тка­ни. Вос­ста­но­ви­тель­ные би­отех­но­ло­гии, про­фи­лак­ти­чес­кая, циф­ро­вая и пре­дик­тив­ная ме­ди­ци­на. 2025;(1):19-24
Воз­мож­нос­ти ис­кусствен­но­го ин­тел­лек­та при рас­се­ян­ном скле­ро­зе. Жур­нал нев­ро­ло­гии и пси­хи­ат­рии им. С.С. Кор­са­ко­ва. 2025;(5):14-21

Ручная микроскопия мазков крови является трудоемким и затратным по времени процессом [1—4]. Кроме того, качество подсчета лейкоцитарной формулы зависит от квалификации врача, а результат субъективен [5]. Автоматизированные системы по анализу мазков крови существуют [1—4], но из-за высокой стоимости их проникновение в лабораторную практику крайне мало. В связи с этим существует острая необходимость в недорогих устройствах по автоматическому анализу мазков крови. Одним из таких устройств является Celly, система на основе смартфона, подключающаяся к микроскопу и позволяющая автоматически проводить подсчет лейкоцитарной формулы.

Цель данного исследования — оценка точности подсчета лейкоцитарной формулы при помощи устройства Celly по сравнению с ручным методом.

Материал и методы

Устройство Celly

Система Celly состоит из iPhone XR, адаптера для подключения к микроскопу [6], мобильного приложения и веб-портала [7].

Приложение анализирует поля зрения микропрепарата следующим образом: изображение обрезается на 20% по краям для удаления темных областей, далее детекционная нейросеть на основе MobileNet Single Shot Detector (MobileNetSSD) определяет расположение лейкоцитов, после этого изображения клеток передаются на веб-портал, где классификационная сверточная нейронная сеть (CNN) распределяет клетки по классам. Для тренировки нейросетей использовалось более 200 тыс. клеток крови с аугментацией по геометрии (повороты, зеркалирование) и цвету (яркость, контраст), что позволило получить нейросети, устойчивые к вариациям формы клеток и их степени окраски. На финальном этапе врач проводит валидацию клеток на веб-портале, проверяя корректность классификации.

Дизайн исследования и статистический анализ

Сравнительное исследование проводилось на базе клинико-диагностической лаборатории «ДиаЛаб». Были проанализированы 113 образцов периферической крови, отобранные геманализатором Sysmex XN-2000 5diff для дополнительного морфологического исследования. Образцы анализировались при 100x иммерсионном увеличении врачом лабораторной диагностики (более 5 лет опыта работы) и устройством Celly (рисунок на цв. вклейке). Подсчитывалось по 100 лейкоцитов в каждом образце, рассчитывалось процентное соотношение клеток в мазках и оценивалось сходство результатов между автоматизированным анализом Celly и ручным подсчетом при помощи квадрата коэффициента Пирсона r2. Результаты сравнивались с литературными данными.

Принцип работы Celly.

а — система сканирует микропрепарат; б — мобильное приложение определяет и подсчитывает клетки; в — врач подтверждает результат на портале.

Результаты и обсуждение

В таблице приведены значения r2 при сравнении подсчета лейкоцитарной формулы устройством Celly и врачом КЛД. Результаты, полученные с использованием Celly, показывают высокую корреляцию с ручным подсчетом для всех клеток за исключением базофилов. В таблице также приведены данные о корреляции результатов подсчета лейкоцитарной формулы, выполненного 73 специалистами из 5 лабораторий [5]. Сравнение полученных данных с литературными позволяет заключить, что определение типа клеток устройством Celly по всем видам клеток за исключением базофилов как минимум сопоставимо с использованием ручного подсчета. Из-за малого числа базофилов (0,4% от общего числа клеток в мазках [9]) погрешность при определении данного класса оказалась выше, чем для других типов лейкоцитов. Более точный результат по базофилам возможен при большем количестве исследуемых образцов. Кроме этого, в исследуемую выборку попало 2 пациента с бластными клетками. Важно, что устройство Celly также отметило в этих образцах наличие бластных клеток.

Корреляция подсчета лейкоцитарной формулы при помощи Celly и ручного метода. Celly—Человек: корреляция результатов Celly и ручного подсчета, Человек—Человек: корреляция подсчета лейкоцитарной формулы между 73 врачами на основании данных исследования Koepke и др. [5]

Тип лейкоцитов

Celly — Человек

Человек — Человек

Нейтрофилы

0,88

0,87

Лимфоциты

0,83

0,73

Моноциты

0,46

0,41

Эозинофилы

0,86

0,83

Базофилы

0,09

0,32

Бласты

0,85

Заключение

Разработки в области применения систем компьютерного зрения для анализа образцов крови играют важную роль в автоматизации рутинных процессов микроскопии и получении результатов с высокой точностью и надежностью. Проведенное исследование продемонстрировало достаточно высокую точность подсчета лейкоцитарной формулы с использованием автоматизированного подхода Celly по сравнению с ручным методом. Низкая стоимость решения позволит внедрять автоматизацию в лаборатории с ограниченным бюджетом.

Авторы заявляют об отсутствии конфликта интересов.

Литература / References:

  1. Alcaide Martín, María José, Altimira Queral, Laura, Sahuquillo Frías, Laura, Valiña Amado, Laura, Merino, Anna and García de Guadiana-Romualdo, Luis. «Automated cell count in body fluids: a review» Advances in Laboratory Medicine. Avances en Medicina de Laboratorio. 2021;2:2:149-161.  https://doi.org/10.1515/almed-2021-0011
  2. Blumenreich MS. The White Blood Cell and Differential Count. In: Walker H.K., Hall W.D., Hurst J.W., editors. Clinical Methods: The History, Physical, and Laboratory Examinations. 3rd edition. Boston: Butterworths; 1990. Chapter 153.  https://www.ncbi.nlm.nih.gov/books/NBK261/
  3. Chernecky CC, Berger BJ. Differential leukocyte count (diff) — peripheral blood. In: Chernecky C.C., Berger B.J., eds. Laboratory Tests and Diagnostic Procedures. 6th ed. St Louis, MO: Elsevier Saunders; 2013.
  4. Lee LH, Mansoor A, Wood B, Nelson H, Higa D, Naugler C. Performance of CellaVision DM96 in leukocyte classification. J Pathol Inform. 2013;4:14. Published 2013 Jun 29.  https://doi.org/10.4103/2153-3539.114205
  5. Koepke JA, Dotson MA, Shifman MA. A critical evaluation of the manual/visual differential leukocyte counting method. Blood Cells. 1985;11(2):173-186. PMID: 3834960.
  6. Документация к Celly.AI. 
  7. Адаптер для микроскопа.
  8. Коэффициент детерминации r2 Википедия. Accessed April 26, 2022.
  9. Prinyakupt J, Pluempitiwiriyawej C. Segmentation of white blood cells and comparison of cell morphology by linear and naïve Bayes classifiers. BioMed Eng OnLine. 2015;14:63.  https://doi.org/10.1186/s12938-015-0037-1

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.