使用红外光谱和血液临床生物化学报告对急性髓性白血病的早期查进行AI辅助检测

科学领域:

• 生物医学工程 生物医学工程
• 医学诊断 医学诊断 医学诊断
• 医疗保健中的人工智能

背景情况:

• 早期发现白血病,特别是急性髓性白血病 (AML),由于疾病的复杂性和对最小侵入性诊断方法的需求,仍然具有挑战性.
• 当前的诊断方法往往依赖于侵入性手术,或缺乏及时干预所需的敏感性.
• 急性髓性白血病 (AML) 是成年人中最常见的白血病类型,需要改进的查工具.

研究的目的:

• 开发和验证人工智能增强系统,用于早期查和诊断成年人急性髓性白血病 (AML).
• 为了提高诊断准确性,将红外光谱数据与标准临床血液生物化学测试结果相结合.
• 提高现有的白血病检测方法的灵敏度和准确性.

主要方法:

• 利用弱总反射率里埃变换红外光谱学 (ATR-FTIR) 来分析冷血清中的分子特征.
• 开发了一个多模态光谱变压器网络 (MSTNetwork) 来处理结合的FTIR光谱和生物化学数据,生成潜空间特征向量.
• 采用线性差异分析 (LDA) 根据生成的特征向量来估计AML的可能性.

主要成果:

• 增强人工智能的多模式系统在识别成年血液样本中的AML时实现了98%的高精度和98%的灵敏度.
• 与仅使用FTIR光谱 (6%以上的改善) 或生物化学指标 (12%的改善) 的方法相比,在灵敏度上显著改善.
• 该系统在准确度和灵敏度方面具有较小的标准偏差,显示出可靠的性能.

结论:

• 开发的AI增强多模式系统为成年人早期AML检测提供了快速,准确和最少侵入性的方法.
• 这种综合方法超过了依赖单个数据模式的传统方法的诊断性能.
• 这些发现有助于通过改进的诊断技术推进可持续和智能医疗保健.