Clasificación de poblaciones celulares mediante marcadores obtenidos por Citometría de Flujo aplicando técnicas de Inteligencia Artificial

Abstract

La Citometría de Flujo, técnica que permite caracterizar y clasificar células a partir de la medición simultanea de múltiples características de las células, lo que genera conjuntos de datos de alta dimensionalidad que precisan el uso de técnicas de Aprendizaje Automático para su análisis. En este contexto, el objetivo principal de este trabajo es desarrollar y evaluar un modelo que permita una clasificación adecuada de estos datos. En particular, se ha implementado un modelo de clasificación jerárquica basado en perceptrones multicapa. Adopta una estructura de tipo árbol con un enfoque topdown y un esquema de predicción de tipo Mandatory leaf-node prediction. La optimización inicial de los hiperparametros se ha basado en los principios de la optimización multi-fidelidad. El proceso de entrenamiento se ha realizado sobre un conjunto de datos anotado de Citometría de Flujo, utilizando la metodología stratified hold-out, para garantizar la representatividad de las clases en los subconjuntos generados. Para evaluar su rendimiento, se han calculado las métricas de evaluación F-score y accuracy. Los principales resultados demuestran que el modelo de clasificación jerárquica desarrollado presenta un rendimiento satisfactorio, consiguiendo una correcta clasificación incluso en los niveles más profundos de la estructura jerárquica, a pesar de la complejidad y el desbalance de las clases.

Flow Cytometry is a technique that allows the characterization and classification of cells by measuring multiple cellular features. This generates high dimensional datasets that require the use of Machine Learning techniques for their analysis. In that context, the main aim of this work is to develop and assess a model capable of adequately classifying such data. More specifically, a hierarchical classification model based on multilayer perceptrons has been implemented. This model has adopted a tree-like structure with a top-down approach and a mandatory leaf-node prediction scheme. The initial optimization of the hyperparameters is grounded on the main principles of multi-fidelity optimization. The training process was carried out on an annotated flow cytometry dataset by means of a stratified hold-out methodology which guarantees the representativeness of all classes in the training and testing subsets. To assess the performance of the model, F-score and accuracy metrics have been used. The main results demonstrate that the developed hierarchical classification model performs satisfactorily, providing correct classification even at the deepest levels of the hierarchical structure, despite the high complexity and class imbalance of the data.