一种以用户为中心的方法,可靠的自动流量细胞计数据分析用于生物医学应用
Georg Popp1, Lisa Jöckel2, Michael Kläs2
1Department of Cell and Gene Therapy Development, Fraunhofer Institute for Cell Therapy and Immunology IZI, Leipzig, Germany.
概括
这项研究引入了以用户为中心的自动流量细胞计 (FCM) 分析方法,结合机器学习和质量保证,以改善免疫细胞表型. 目标是使自动门更可靠,更易于日常使用.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 数据科学数据科学数据科学
背景情况:
- 流细胞计 (FCM) 产生复杂的免疫细胞表型数据.
- 由于用户可访问性和模型可靠性问题,自动化门口方法面临采用挑战.
研究的目的:
- 为自动化FCM分析开发以用户为中心的解决方案.
- 增强自动免疫细胞表型化的常规应用.
- 提高FCM数据分析的可靠性和效率.
主要方法:
- 利用监督机器学习 (SML) 来进行事件分类.
- 在软件原型生成方面使用快速应用程序开发 (RAD).
- 来自质量保证案例 (AC) 的综合结构化论证,用于质量保证.
- 嵌入不确定性估计以指导模型操作和告知用户.
主要成果:
- 开发了一种数据驱动的模型,用于自动化的FCM门.
- 创建了软件原型,使模型的用户驱动应用成为可能.
- 建立了基于结构化的论证的质量分析.
- 实施的不确定性估计用于模型信心评估.
结论:
- 提出的以用户为中心的方法解决了常规自动FCM门的障碍.
- 这种方法提高了医疗诊断中数据驱动模型的可靠性.
- 鼓励在临床FCM和制药研究中对SML,AC和不确定性估计进行进一步的研究.
