一个人工智能辅助的临床框架,以促进血液瘤的诊断和转化发现
Ming Tang1, Željko Antić2, Pedram Fardzadeh3
1Department of Human Genetics, Hannover Medical School, Hannover, Germany; L3S Research Centre, Leibniz University Hannover, Germany.
EBioMedicine
|May 29, 2024
概括
一个AI框架整合了基因组和临床数据,以更好地诊断儿童白血病. 该工具改善了患者分层,并为个性化医疗揭示了新的见解.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 测序和临床数据的复杂性越来越高,挑战了血液瘤的解释.
- 儿科B细胞前体急性淋巴细胞白血病 (BCP-ALL) 作为开发综合诊断工具的模型.
研究的目的:
- 开发一个人工智能辅助的临床框架 (clinALL),用于整合基因组和临床数据.
- 为了支持常规诊断,并揭示血液瘤的转化见解.
主要方法:
- 针对1365例血液瘤病例的向RNA测序,主要是BCP-ALL.
- 将测序,FISH,型,arrayCGH和临床数据集成到一个交互式网络界面中.
- 机器学习模型的开发,包括浅层模型和深度神经网络.
主要成果:
- 78%以前未确定的患者的分层.
- 在BCR::ABL1阳性患者中发现了IKZF1plus状态依赖子群.
- 在ETV6::RUNX1阳性患者中确定一个高复发率的亚群.
- 机器学习模型在预测患者子组方面获得了>97%的F1分数.
结论:
- 人工智能驱动的基因组和临床数据的整合增强了护理点的决策.
- clinALL框架轻量级,可转移,适用于各种数据类型,包括向RNA序列.
- 即使在资源有限的环境中,也能有效和公平地提供个性化药物.
