机器学习应用和对移植与宿主疾病的挑战:一个范围审查

科学领域:

• 医疗信息学 医疗信息学
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 移植与宿主疾病 (GVHD) 仍然是全源造血干细胞移植的一个重大挑战.
• 对于GVHD的传统风险评估和治疗策略有局限性.

研究的目的:

• 审查人工智能 (AI),特别是机器学习 (ML) 在提高GVHD风险评估,诊断和个性化治疗方面的潜力.
• 突出了GVHD管理的ML应用中的最新进展.

主要方法:

• 审查最近关于ML算法的研究,以选择所有基血型造血干细胞移植的捐赠者.
• 分析使用时间序列数据进行动态风险评估的ML.
• 深度学习用于慢性GVHD诊断的评估.
• 探索适应性治疗策略 (ATS) 的ML方法 (Q学习,深度强化学习).

主要成果:

• 机器学习算法在供体选择中表现优于传统模型.
• 机器学习使基于时间序列的动态风险评估成为可能,超越了静态模型.
• 深度学习模型在诊断慢性GVHD时表现出准确性.
• ML促进了针对急性和慢性GVHD预防和治疗的个性化ATS的开发.

结论:

• 大规模的多中心协作对于开发GVHD可通用的ML模型至关重要.
• 在将人工智能广泛应用于GVHD护理之前,必须制定道德准则.
• 人工智能和机器学习具有巨大的潜力,可以通过提高精度和个性化来彻底改变GVHD管理.