Najważniejsze
- •FlowXAI to system AI z Uniwersytetu w Marburgu, który wspiera rozpoznawanie B-komórkowych chłoniaków niehodgkinowskich z danych z cytometrii przepływowej.
- •Narzędzie nie tylko klasyfikuje próbki, ale też ocenia pewność własnej odpowiedzi, oznaczając przypadki jako pewne, prawdopodobne lub trudne.
- •W badaniu wykorzystano 19 493 próbki krwi; system osiągał skuteczność porównywalną z modelami głębokiego uczenia mimo znacznie mniejszej liczby danych treningowych.
- •FlowXAI wskazuje też cechy komórek, które wpłynęły na decyzję, co zwiększa przejrzystość i może ułatwiać pracę lekarzy.
- •Autorzy podkreślają, że potrzebna jest dalsza walidacja kliniczna na danych z różnych laboratoriów, zanim system trafi do szerszej praktyki.
Badacze z Uniwersytetu w Marburgu pokazali system FlowXAI, który wspiera diagnostykę chłoniaków B-komórkowych i ocenia pewność własnych wskazań.
Badacze z Uniwersytetu w Marburgu opracowali FlowXAI, nowy system sztucznej inteligencji wspierający diagnostykę chłoniaków B-komórkowych. Wyniki opublikowane 13 lipca 2026 roku w PLOS Medicine pokazują, że narzędzie nie tylko klasyfikuje próbki krwi, ale też ocenia wiarygodność własnej diagnozy i wskazuje cechy komórek, które miały znaczenie dla decyzji.
W badaniu zespół wykorzystał dane z 19 493 próbek krwi, a w szerszym opisie projektu mowa o około 20 tys. próbek użytych do rozwoju i oceny systemu. FlowXAI osiągnęło skuteczność porównywalną z systemami opartymi na głębokim uczeniu, choć potrzebowało znacznie mniej danych treningowych. W części analiz wystarczyło już kilka setek starannie dobranych przypadków, by uzyskać wyniki zbliżone do poziomu klinicznych ekspertów.
Autorzy podkreślają, że system ma wspierać lekarzy, a nie ich zastępować. FlowXAI klasyfikuje przypadki jako pewne, prawdopodobne albo trudne, co ma pomóc zespołom medycznym szybciej wychwytywać wyniki wymagające dodatkowej oceny. W artykule wskazano również, że pierwsza wersja prototypu obejmuje cały proces — od analizy próbki po przekazanie uzasadnionej informacji zwrotnej.
Badanie dotyczy chłoniaków B-komórkowych, które należą do najczęstszych nowotworów układu limfatycznego. Ich rozpoznanie opiera się między innymi na cytometrii przepływowej, czyli analizie tysięcy komórek pod kątem cech biologicznych. Tego typu dane są złożone i wymagają dużego doświadczenia, zwłaszcza gdy próbka jest słabej jakości albo gdy lekarze mierzą się z rzadkimi podtypami choroby. To właśnie w takich sytuacjach twórcy FlowXAI widzą zastosowanie dla swojego systemu.
Zgodnie z opisem badania kolejnym krokiem ma być walidacja narzędzia w realnych warunkach klinicznych oraz z wykorzystaniem danych z różnych laboratoriów. W praktyce może to oznaczać szersze zastosowanie w diagnostyce, szkoleniu i kontroli jakości, jeśli kolejne testy potwierdzą wyniki uzyskane w badaniu.
FlowXAI w liczbach
| Parametr | Wartość | Znaczenie |
|---|---|---|
| Liczba próbek użytych w badaniu | 19 493 | Baza do walidacji i oceny systemu |
| Szerszy opis projektu | ok. 20 000 | Łączna skala rozwoju i oceny narzędzia |
| Liczba danych treningowych | kilka setek w części analiz | Dużo mniej niż w klasycznych systemach AI |
| Porównanie z modelami deep learning | skuteczność porównywalna | Mimo mniejszej ilości danych |
| Poziom klasyfikacji przypadków | pewne / prawdopodobne / trudne | Wewnętrzna ocena wiarygodności wyniku |
Na podstawie artykułu badawczego PLOS Medicine (2026-07-13) i opisu projektu.
Aplikacja PTO Badania molekularne
Jak działa FlowXAI w diagnostyce chłoniaków
Na podstawie badania opublikowanego w PLOS Medicine (13.07.2026).
Słownik pojęć
- chłoniaki B-komórkowe niehodgkinowskie
- Grupa nowotworów układu limfatycznego wywodzących się z limfocytów B, zaliczana do chłoniaków nieziarniczych.
- cytometria przepływowa
- Metoda laboratoryjna analizująca cechy tysięcy komórek pojedynczo, na podstawie markerów i właściwości rozpraszania światła.
- deep learning
- Rodzaj uczenia maszynowego wykorzystujący wielowarstwowe sieci neuronowe do wykrywania złożonych wzorców w danych.
- walidacja kliniczna
- Sprawdzenie działania narzędzia w rzeczywistych warunkach medycznych, przed jego szerszym wdrożeniem.
- self-assessment
- Wewnętrzna ocena wiarygodności własnej predykcji przez system AI.
