Клиническая лекция: новые горизонты гематологического фенотипирования

Современные гематологические анализаторы ежедневно генерируют огромный массив данных, большая часть которых остается «за кадром». Речь идет о параметрах CPD (Cell Population Data) и RUO (Research Use Only). Эти показатели описывают объем, проводимость и светорассеяние клеток крови, отражая их морфологические особенности на глубоком уровне. ?

Группа ученых из Австралии провела масштабное исследование, применив методы машинного обучения для анализа более 240 000 образцов крови. Целью было выяснить, может ли искусственный интеллект самостоятельно распределить пациентов по группам (кластерам) и коррелируют ли эти группы с реальными механизмами развития тромбоцитопении. ?

Что обнаружило исследование? ?

Используя алгоритм k-средних, система выделила 4 основных фенотипа крови без предварительных подсказок со стороны врачей:

1) Кластер 3 (Специфический): Оказался наиболее важным для клиницистов. Он продемонстрировал прямую связь с тяжестью тромбоцитопении. Чем ниже был уровень тромбоцитов, тем выше вероятность попадания пациента в эту группу (до 71% случаев при критическом снижении).

Клинический аудит показал, что этот кластер преимущественно обогащен случаями гипопродукции тромбоцитов в костном мозге (например, при апластических процессах или миелодисплазии).

2) Кластеры 1 и 2: В них чаще группировались образцы, связанные с периферической деструкцией или потреблением тромбоцитов. Это характерно для иммунной тромбоцитопении, сепсиса или синдрома диссеминированного внутрисосудистого свертывания. ??

3) Комплексный анализ: Модель учитывала не только количество клеток, но и их «оптический портрет» — изменения в нейтрофилах и эритроцитах, которые часто сопутствуют системным патологиям.

Почему это важно для медицины? ??

Главная ценность метода заключается в том, что данные CPD и RUO уже есть в лаборатории, но они не требуют дополнительных затрат или забора биоматериала. ?

Разделение пациентов на такие «цифровые фенотипы» позволяет:

Быстрее выдвигать гипотезы о причинах тромбоцитопении.

Выявлять скрытые закономерности в состоянии пациента еще до проведения инвазивных процедур, таких как биопсия костного мозга.

Автоматизировать сортировку сложных случаев в крупных диагностических центрах.

Резюме: Неконтролируемое машинное обучение не заменяет врача, но служит мощным инструментом для лабораторного фенотипирования, позволяя увидеть скрытую архитектуру гематологических нарушений. ?

Источник для цитирования:

Favaloro E. J., Altememi M. A., Santhakumar A. B., Islam M. Z., Hsu D., Ng S. Unsupervised Global CBC/RUO/CPD Phenotyping Identifies Haematological Clusters Enriched for Thrombocytopenia Severity and Mechanisms. International Journal of Laboratory Hematology, 2026; 0:1–11.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: