深度学习预测急性髓性白血病中的治疗相关遗传学,来自帕海姆染色骨髓涂抹
Jacqueline Kockwelp1,2,3, Sebastian Thiele1,2, Jannis Bartsch4
1Institute for Geoinformatics, University of Münster, Münster, Germany.
Blood advances
|November 15, 2023
概括
一个新的深度学习管道从骨髓细胞图像直接预测急性髓性白血病 (AML) 的遗传异常. 这种具有成本效益的工具通过快速识别关键的遗传改变,有助于早期治疗决策.
科学领域:
- 计算生物学是一种计算生物学.
- 血液学 血液学 血液学
- 医学成像医学成像
背景情况:
- 遗传异常对于急性髓性白血病 (AML) 治疗决策至关重要.
- 目前的基因测试是昂贵和耗时的,需要更快,更容易使用的方法.
研究的目的:
- 从单细胞图像开发一个自动化的深度学习管道,用于从单细胞图像预测AML中的遗传异常.
- 为了使AML患者能够快速,经济有效地查治疗相关的遗传改变.
主要方法:
- 创建了一个完全自动化的端到端深度学习管道.
- 卷积神经网络在来自AML诊断样本的200多万个单细胞图像上受过训练.
- 用于验证的是来自71名AML患者的444,000多张图像的时间测试队列.
主要成果:
- 管道模型准确地预测了具有高接收器运行特征区域的AML子组.
- 用两种不同的策略可视化基因型-表型链接.
- 该系统展示了对遗传变化的显著预测能力.
结论:
- 开发的管道提供了一个快速,廉价的自动化工具,用于查AML患者.
- 它可以从常规骨髓涂抹中直接预测遗传异常.
- 这种方法为其他骨髓疾病的类似方法奠定了基础.


