人工智能揭示了急性白血病儿童血液学指数的预测
Zhangkai J Cheng1, Haiyang Li2,3, Mingtao Liu1
1Department of Clinical Laboratory, National Center for Respiratory Medicine, National Clinical Research Center for Respiratory Disease, State Key Laboratory of Respiratory Disease, Guangzhou Institute of Respiratory Health, The First Affiliated Hospital of Guangzhou Medical University, Guangzhou, 510120, Guangdong, China.
这项研究开发了一种人工智能工具,使用血液生物标志物预测儿童白血病. 该模型准确识别了急性淋巴细胞白血病 (ALL) 和急性髓性白血病 (AML),有助于在儿童中早期发现癌症.
科学领域:
- 儿科瘤学 儿科瘤学
- 血液学 血液学 血液学
- 生物化学 生物化学
背景情况:
- 儿童白血病,包括急性淋巴细胞白血病 (ALL) 和急性髓性白血病 (AML),是一种重要的儿科癌症.
- 早期检测和治疗对于改善儿科白血病患者的生存率至关重要.
研究的目的:
- 开发一个早期和全面的儿童血液恶性瘤预测器.
- 分析营养生物标志物,白血病指标和粒细胞,用于预测建模.
主要方法:
- 使用了机器学习算法,特别是随机森林模型.
- 分析了826名ALL儿童,255名AML儿童和200名健康儿童的血液样本.
- 十个血液指数被评估为预测准确度.
主要成果:
- 在白血病患者和健康儿童之间观察到生物化学指标的显著差异.
- 随机森林模型在预测白血病亚型方面达到0.950的曲线下的面积 (AUC),在AML方面达到0.909.
- 在某些指标中注意到基于性别的差异,男孩显示的水平更高.
结论:
- 这项研究提出了一种高效的AI驱动的诊断工具,用于早期查儿童血液癌症.
- 人工智能具有显著的潜力,可以提高现代儿科医疗诊断.
- 生物标志物分析与机器学习相结合,为早期白血病检测提供了一个有前途的方法.
更多相关视频
06:28Simplified Intrafemoral Injections Using Live Mice Allow for Continuous Bone Marrow Analysis
Published on: November 10, 2023
09:01Flow Cytometry to Estimate Leukemia Stem Cells in Primary Acute Myeloid Leukemia and in Patient-derived-xenografts, at Diagnosis and Follow Up
Published on: March 26, 2018
