Detección de blastos de leucemia mieloide aguda en extendido de sangre periférica por medio de técnicas de aprendizaje automático

Abstract

RESUMEN : La detección de leucemia mieloide aguda se realiza a través de pruebas morfológicas de sangre periférica como método de diagnóstico rápido. Este análisis consiste en contabilizar y diferenciar morfológicamente glóbulos blancos y rojos, las plaquetas y realizar la medición de la hemoglobina de la sangre. Luego de realizados estos procesos se determina si los diferentes tipos de células son anormales. Generalmente el proceso de reconocimiento de células cancerígenas se realiza de manera visual en un microscopio. Sin embargo, requiere en ocasiones de ayuda tecnológica, sobre todo en casos donde la probabilidad de confusión de patrones es alta, ejemplo de esto, el análisis de extendido periférico donde se obtiene una gran cantidad de distintos tipos de célula. El apoyo para realizar diagnósticos de detección de leucemia utilizando herramientas digitales ha aumentado, por lo cual se hace indispensable la clasificación de las variantes de la leucemia aguda, esto con el fin de ofrecer un tratamiento adecuado que permita mejorar las condiciones de vida. Por esta razón, en áreas como la ingeniería, se proponen métodos de reconocimiento de patrones que permitan realizar la clasificación de células cuyo objetivo es mejorar y/o apoyar el diagnóstico de enfermedades. De acuerdo con lo anterior, en este trabajo se propone la detección de leucemia aguda en imágenes de extendidos de sangre periférica de pacientes, utilizando un sistema de aprendizaje automático comparando diferentes algoritmos de aprendizaje automático.