A physician-in-the-loop approach by means of machine learning for the diagnosis of lymphocytosis in the clinical laboratory

Bigorra López, Laura

A physician-in-the-loop approach by means of machine learning for the diagnosis of lymphocytosis in the clinical laboratory

Document Type

Doctoral thesis
Published Version

Author

Bigorra López, Laura

Director

Gutiérrez Gallego, Ricardo

Publication Date

2022-04-08

Pages

423 p.

Citation

Bigorra López, L. A physician-in-the-loop approach by means of machine learning for the diagnosis of lymphocytosis in the clinical laboratory. 2022. handle: http://hdl.handle.net/10803/674251

This citation was generated automatically.

Doctoral program

Programa de doctorat en Biomedicina

Abstract

The complete blood count (CBC) is one of the most commonly performed test due to its clinical utility, versatility and safety. Thus, there are well established consensus rules to review a CBC through the peripheral blood smear review based on abnormal quantitative values for the CBC parameters or qualitative changes detected by analyser flags, and approximately, 20% of the reviewed samples in clinical laboratories correspond to samples with lymphocytosis. Lymphocytosis classification into benign or neoplastic categories plays a pivotal role not only in the laboratory workflow, but also in the patient management and, surprisingly, about 30% of laboratories fail in such classification. Thus, the current work presents a complete pipeline to develop a machine learning model as an objective aid for the lymphocytosis diagnosis, based on physical-chemical properties of the different leucocyte subpopulations through the exploitation of new cell population data parameters provided by current haematological analysers.
El hemograma es una de las pruebas que se realiza con más frecuencia debido a su utilidad clínica, versatilidad y seguridad. Así, existen reglas de consenso bien establecidas para la realización del frotis de sangre periférica en base a valores cuantitativos anormales de los parámetros del hemograma, o cambios cualitativos detectados por alarmas en los analizadores, siendo aproximadamente el 20% de las muestras revisadas en laboratorios clínicos muestras con linfocitosis. La clasificación de la linfocitosis en categorías benignas o neoplásicas juega un papel fundamental no solo en el flujo de trabajo del laboratorio, sino también en el manejo del paciente; sin embargo, alrededor del 30% de los laboratorios fallan en dicha clasificación. Por ello, el presente trabajo presenta el diagrama de flujo completo para desarrollar un modelo de aprendizaje automático como ayuda para el diagnóstico de linfocitosis, basado en propiedades físico-químicas de las diferentes subpoblaciones leucocitarias a través de la explotación de los nuevos cell population data proporcionados por los analizadores hematológicos actuales.

Keywords

Lymphocytosis, Machine learning, Artificial intelligence, Diagnostic tool, Proof of concept, Aprendizaje automático, Inteligencia artificial, Herramienta diagnóstica, Prueba de concepto