研究人员开发了能够精确诊断和更好地对血液产品进行分类的新工具，从而为更好地匹配输血打开了大门。机器学习可以改变捐赠血液的质量评估方法，并选择将其输给患者，这要归功于一项国际研究，该研究分析了储存样本中红细胞形状的变化。这项研究发表在《 美国国家科学院院刊》上，是来自五个国家和12个学术机构的专家合作，其中包括阿尔伯塔大学。

杰森·阿克(Jason Acker)是一项新的国际研究的主要作者，该研究表明，机器学习可以比人类专家更快，更准确地分析红细胞样本，这一发现可能会改变对捐赠血液的评估，存储和选择方式，以进行输血。耐心。(照片：艾伯塔大学医学院和牙科学院，2020年8月)

“这个项目是我们如何利用我们世界一流的专业从事精密的健康作出贡献，使血液诊断根本性的变化所需要的跨学科工作的一个很好的例子，说：” 贾森·阿克尔，教授在 实验室医学和病理学系 和研究的主要作者之一。

Acker还是加拿大血液服务创新中心 的高级科学家，也是 妇女和儿童健康研究所的成员，在评估捐赠的血液制品方面拥有数十年的经验。

“加拿大血液服务部负责管理除魁北克以外的所有省份和地区的血液供应，我们主要关注的是产品的质量。我们常规评估的一件事是细胞的形式，我们已经使用非常传统的方法对其进行了20年的监测。”他解释说。

未来事物的形状

当血液被抽取到体外并被分开储存时，红细胞会随着年龄的增长而开始改变其形状，这最终会影响它们的功能，并在输血时通过身体组织携带氧气。红细胞产品只能保存42天，因此需要对其进行密切监控。目前，通过在玻璃载玻片上滴一滴血并观察细胞，然后根据100个细胞样本中的形状对其进行分类，来评估捐赠的红细胞。计算形态学指数，它是样品池平均形状的“分数”。

“这非常耗时。我们只看100个单元，这是非常主观的。阿克说：“一名技术人员的得分为70分，而另一名技术人员的得分为80分。” “正确无误是非常重要的，因为我们正在尝试监视实际上将被输给加拿大人的产品的进度。”

为了开发一种更快，更准确的程序来监测捐献的血液，Acker和他的同事们挖掘了人工智能的潜力。他们使用成像流式细胞术(包括A的U在内的一些学术机构都可以使用的技术) 从一滴血中捕获成千上万个细胞的图像，并创建一个大型数据库进行分析。利用这些图像，团队可以通过训练带有健康和不健康红细胞形状的示例图像的计算机来自动化传统专家评估。自动化过程仅一天就分析了100多个血液样本，这通常需要一个技术人员团队花费数月的时间。

除了成功地复制传统工艺外，研究人员还希望解决专家对细胞形状评估之间的差异。“我们说，'如果不告诉计算机什么是球面会发生什么?' 我们基本上让它查看各种不同的参数。这对机器学习来说是一件好事，它可以查看我们人类甚至不会想到的事物，并且可以生成有关的数据。” Acker说。

“计算机实际上比我们做得更好，并且能够以人类无法实现的方式拾取微妙的差异。毫不奇怪，红细胞不仅会从一种形状变成另一种形状。这台计算机显示出血液制品样本中的形状实际上是逐渐变化的，并且能够更好地对这些变化进行分类。它从根本上改变了我们进行血液产品质量评估的速度。”

实验的成功结果为研究团队提供了算法，这些算法有助于展示如何使用机器学习来更快，更准确地对红细胞的质量进行分类。这些算法现在用于研究可能影响献血产品质量的其他因素。

“这将帮助我们确定捐助者的因素，例如年龄和性别，血液制品的生产工艺和贮存条件，我们可以重点关注这些因素，以确保为患者提供安全的产品，” Acker说。

打开个性化输血之门

在确定的其他因素中，该技术能够区分同一血液产品中的细胞亚群，这可以帮助卫生专业人员更快地发现潜在的健康问题，并发现某些产品针对特定患者的危险因素。Acker目前的研究重点是研究患者从异性供体那里获得血液的潜在风险，这是一个有助于对产品进行分类并在传统分类之外进行输血的例子。

“我们已经匹配了不同的血型。我们还选择特定的血液产品来治疗婴儿或其他患者。” Acker解释说。“但是这项研究带给我们的事实是，我们能够根据血细胞的特定特征更精确地匹配供血者和接受者。通过这项研究，我们开发了机器学习工具，这些工具将有助于告知临床实践中的这种变化是如何演变的。”