Astma är en av de vanligaste andningssjukdomarna i världen, drabbar mer än 235 miljoner patienter. Det är ofta svårare att diagnostisera hos barn än hos vuxna. En tidig diagnos är särskilt viktig för barn för att förhindra allvarliga attacker av sjukdomen. Ett team av forskare vid Fraunhofer Research Institution for Marine Biotechnology and Cell Technology EMB har gått samman med några högteknologiska företag för att utveckla ett snabbt test som bara kräver en droppe blod för att diagnostisera astma. Att göra detta, partnerna använder maskininlärning.

Dyspné, andfåddhet och hosta är bara några av de potentiella symtomen på astma. De drabbade drabbas av plötsliga anfall av bronkial sammandragning. Att snabbt identifiera sjukdomen är avgörande, eftersom det är det enda sättet att minska risken för astmaanfall, vilket till och med kan vara dödligt. Det är särskilt viktigt att identifiera sjukdomen tidigt hos barn för att snabbt kunna ingripa och lindra symtomen. Dock, att diagnostisera barn är mer komplicerat och tråkigt än att diagnostisera vuxna. Några av de testmetoder som innebär att man blåser i ett rör kan inte användas för små barn. Tidskrävande lungfunktionstester kan endast utföras från fyra eller fem års ålder. För att lösa detta problem, Fraunhofer EMB har slagit sig ihop med Pattern Recognition Company och Raytrix GmbH i projektet "KillAsthma" som sponsras av den tyska delstaten Schleswig-Holstein. Ett nytt snabbtest förväntas ge ett fynd efter bara 60 till 90 minuter - och allt som krävs för att diagnostisera astma är en droppe blod och de immunceller som den innehåller.

AI-baserad immuncellsanalys

Rörelseprofilen för blodkropparna hos astmatiker skiljer sig från den hos friska individer. "Hos patienter med astma, immuncellerna rör sig mycket långsammare i närvaro av en inflammatorisk stimulans, " förklarar Dr Daniel Rapoport, chef för arbetsgruppen för cellteknologi vid Fraunhofer EMB. Teamet av forskare använder denna kunskap när de utvecklar testsetet. Tanken är att observera immuncellerna i bloddroppen under ett specialutvecklat holografiskt mikroskop i cirka 90 minuter och, baserat på deras rörelsemönster, för att bedöma om patienten har astma. Mikroskopet, kallas även en cellskanner, möjliggör automatisk, tredimensionell cellspårning i realtid.

Här spelar artificiell intelligens (AI) en nyckelroll, känna igen karakteristiska mönster i de komplexa rörelsemönstren hos tusentals celler. Men hur fungerar tekniken i detalj? Blodet och en substans som utlöser den inflammatoriska stimulansen fylls i en mikrofluidisk patron och placeras sedan i det miniatyriserade mikroskopet, som består av en lysdiod och en optisk CMOS-bildsensor som är kopplad till datormjukvaran. Bilderna utvärderas med hjälp av specialutvecklade algoritmer. "Vi kan observera 2000 till 3000 celler samtidigt, säkerställa hög statistisk precision, "säger Rapoport. De identifierade rörelsemönstren överförs sedan till ett neuralt nätverk. Självlärande algoritmer analyserar blodcellens rörelsemönster och beräknar diagnosindexet." AI låter oss identifiera avvikelser i mönstren. Vi använder självlärande algoritmer för att fånga dessa skillnader. Omfattande träningsdata hjälper de neurala nätverken att känna igen mönster och skilja mellan profilerna hos astmapatienter och friska individer. "

Utvidga metoden till andra sjukdomar

Man kan dra slutsatsen att AI också kan lära sig andra avvikelser från normen. "Vår metod kan också användas för att analysera andra sjukdomar. Detta gäller särskilt för autoimmuna och kroniska inflammatoriska sjukdomar som Crohns sjukdom, ulcerös kolit och reumatism. Att diagnostisera dessa tillstånd är en lång tid, tråkig process och kan påskyndas avsevärt med ett skräddarsytt snabbtest, "säger den Lübeck-baserade forskaren." De första testerna har slutförts. Bildutvärderingen visade att vårt holografiska mikroskop är överlägset ett kraftfullt mikroskop." Rapoport och hans projektpartners optimerar för närvarande hårdvaran och metoden. Deras långsiktiga mål är att identifiera individuella manifestationer av astma för att möjliggöra utvecklingen av personliga behandlingsplaner .