急性髓性白血病:通过流细胞计进行诊断和评估
Feras Ally1, Xueyan Chen1,2
1Department of Laboratory Medicine and Pathology, University of Washington, Seattle, WA 98195, USA.
Cancers
|November 27, 2024
概括
最近急性髓性白血病 (AML) 诊断的进展整合了流动细胞计和遗传数据. 机器学习有助于分析流细胞计数据,用于自动化AML诊断和预测遗传变化.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 现代急性髓性白血病 (AML) 的分类需要整合各种数据:免疫类型,细胞遗传学,分子和临床发现.
- 最近的更新包括世卫组织分类 (WHO-HAEM5),国际共识分类 (ICC) 和欧洲白血病网络 (ELN) 2022年建议.
- 流细胞计对于AML诊断,标识和MRD监测中的快速,敏感的免疫类型定型至关重要.
研究的目的:
- 突出在AML分类和管理中的流细胞计和遗传数据的整合.
- 讨论机器学习在分析流细胞测量数据中的作用,用于AML诊断和遗传预测.
主要方法:
- 使用多参数流细胞测量用于免疫类型.
- 与复发性遗传异常相关的免疫表型特征.
- 将机器学习模型应用于自动化分析的细胞计数据流.
主要成果:
- 在AML中免疫类型标记和遗传异常之间确立的关联.
- 证明了机器学习在自动化AML诊断方面的潜力.
- 展示了机器学习在从流细胞计数据中预测遗传变化的能力.
结论:
- 准确的AML诊断和预后需要整合流细胞计,遗传和临床数据.
- 流细胞计对于AML分类,治疗向和MRD评估是不可或缺的.
- 机器学习在增强流细胞计数据分析用于AML管理方面显示出前景.
更多相关视频
12:05Database-guided Flow-cytometry for Evaluation of Bone Marrow Myeloid Cell Maturation
Published on: November 3, 2018
11.5K
09:44Flow Cytometric Analysis of Mitochondrial Reactive Oxygen Species in Murine Hematopoietic Stem and Progenitor Cells and MLL-AF9 Driven Leukemia
Published on: September 5, 2019
7.3K
