Сравнительный анализ структурных особенностей многомерных данных периферической крови при хроническом лимфоцитарном лейкозе и неходжкинской В-лимфоме

Irina N. Saburina, Е. Г. Кузьмина, В.Н. Черкашенко et al. · Zhurnal «Patologicheskaia fiziologiia i eksperimental`naia terapiia» · 2024

Актуальность. Правильная идентификация лимфопролиферативных заболеваний хронического лимфолейкоза (ХЛЛ) и неходжкинских B-клеточных лимфом (НХЛ) является ключевым этапом скрининга, который требует высокой точности и интерпретируемости. Поэтому разработка современных методов дифференциальной диагностики НХЛ и ХЛЛ по-прежнему актуальна. Неинвазивные методы дифференциальной диагностики на основании исследований с последующим математическим анализом при помощи искусственных нейронных сетей (ИНС) позволят дифференцировать эти заболевания c высокой точностью только по данным крови, не используя материал других органов и тканей. Цель исследования – провести многомерный анализ состава субпопуляций лимфоцитов и опухолевых клеток в периферической крови и оценить взаимосвязи в системе «иммунитет – опухолевый рост», внедрив методы искусственных нейронных сетей (ИНС). Это позволяет выявлять структурные особенности, отличающие НХЛ от ХЛЛ. Методика. Анализ данных осуществлялся при помощи искусственной нейронной сети-самоорганизующихся карт Кохонена (SOM (self organased map). Эта ИНС позволяет выявлять структуру в многомерных данных, осуществляя проецирование многомерных образов в пространство пониженной размерности (2-х или 3-х мерное), что не требует принятия каких-либо априорных гипотез о структуре даннных. Результаты. Для построения и поиска различий многомерных образов болезни ХЛЛ от НХЛ были использованы искусственные нейронные сети (ИНС). Состояние иммунитета и опухолевых клеток сопоставлено по данным периферической крови пациентов с В-клеточной НХЛ (352 пациента) с данными ХЛЛ (315 пациентов). Выявлены структуры, отражающие различия состояний «НХЛ – ХЛЛ». Характер распределений и значения показателей иммунитета и опухолевого роста в многомерном пространстве позволяет с высокой точностью различать состояния ХЛЛ – НХЛ, определять стадию развития опухоли и в дальнейшем выбрать правильную тактику лечения. Заключение. Отличия НХЛ и ХЛЛ, по образам многомерного анализа, создают основу для неинвазивного метода автоматической диагностики патологий НХЛ и ХЛЛ. Relevance. Correct identification of the lymphoproliferative diseases chronic lymphocytic leukemia (CLL) and non-Hodgkin B-cell lymphomas (NHL) is a key screening step that requires high accuracy and interpretability. Therefore, the development of modern methods for the differential diagnosis of NHL and CLL is still relevant. Non-invasive methods of differential diagnosis based on research followed by mathematical analysis using artificial neural networks (ANN) will make it possible to differentiate these diseases with high accuracy only based on blood data, without using material from other organs and tissues. The purpose of the study is to conduct a multivariate analysis of the composition of subpopulations of lymphocytes and tumor cells in peripheral blood and evaluate the relationships in the «immunity – tumor growth» system by introducing artificial neural network (ANN) methods. This allows us to identify structural features that distinguish NHL from CLL. Methods. Data analysis was carried out using an artificial neural network – self-organizing Kohonen maps (SOM (self organased map). This ANN allows you to identify structure in multidimensional data by projecting multidimensional images into a reduced-dimensional space (2- or 3-dimensional), which does not requires the adoption of any a priori hypotheses about the structure of the data. Results. Artificial neural networks (ANN) were used to construct and search for differences between multidimensional images of CLL disease and NHL. The state of immunity and tumor cells was compared according to peripheral blood data of patients with B-cell NHL (352 patients) with data from CLL (315 patients). Structures reflecting the differences between the states «NHL – CLL» have been identified. The nature of the distributions and values of immunity and tumor growth indicators in multidimensional space allows us to distinguish with high accuracy the conditions of CLL – NHL, determine the stage of tumor development and subsequently select the correct treatment tactics. Conclusion. The differences between NHL and CLL, according to multivariate analysis, create the basis for a non-invasive method for automatic diagnosis of NHL and CLL pathologies.

Cited by 0 works. doi:10.25557/0031-2991.2024.01.69-80 Open-access PDF

Authors