基于五种基于模式的方法进行自动诊断分类成熟/外围B细胞新生瘤的比较,基于标准化的EuroFlow流细胞计免疫类型数据

科学领域:

• 血液学 血液学 血液学
• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 人工智能在医学中的应用

背景情况:

• 流细胞计免疫类型测定对于诊断B细胞慢性淋巴增殖性疾病 (B-CLPD) 至关重要.
• 定量分类方法可以最大限度地从多参数流细胞计数据中提取信息,用于自动化患者分类.

研究的目的:

• 开发和比较B-CLPD的五种诊断分类算法.
• 评估这些算法的准确性,精度和覆盖范围,使用大量B-CLPD患者样本数据集.

主要方法:

• 开发了五种算法:主要组件分析 (PCA),正规变量分析 (CVA),邻近组件分析 (NCA),支持矢量机 (SVM) 和正规分析 (CA-vSD) 的一种变体.
• 在659名B-CLPD患者的多中心EuroFlow数据集上训练和测试算法,根据世卫组织的标准进行分类.
• 绩效是根据准确性 (正确分类病例),精度 (单个或多个诊断) 和覆盖率 (建议诊断) 进行评估的.

主要成果:

• 在五种算法中,平均正确诊断率从58.9%到90.6%不等.
• PCA,SVM和CA算法显示了高的正确性 (86.0%-90.6%),但经常提出多个诊断.
• CA-vSD实现了最低的错误分类率 (4.1%),但有最高的未分类率 (37.0%);NCA有最小的未分类病例 (2.7%),但错误分类率更高 (14.0%).

结论:

• 开发的AI算法为B-CLPD诊断分类提供了可接受的准确性.
• 这些算法通常在分类B-CLPD患者方面超过了之前报告的方法.
• 选择算法涉及到平衡准确性,精度和覆盖范围,以获得最佳的诊断效用.