从例行血液检查预测多发性骨髓瘤的进展事件
Maximilian Ferle1,2,3,4, Nora Grieb5,6, Markus Kreuz7
1Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI) Dresden/Leipzig, Universität Leipzig, Leipzig, Germany. maximilian.ferle@uni-leipzig.de.
NPJ digital medicine
|April 30, 2025
概括
这项研究开发了一种混合神经网络,使用血液检查来预测多发性骨髓瘤的进展. 该系统准确预测疾病事件,使早期检测和个性化患者监测成为可能.
科学领域:
- 计算生物学是一种计算生物学.
- 医疗信息学医学信息学
- 在瘤学瘤学.
背景情况:
- 多发性骨髓瘤是血细胞的癌症,需要持续监测疾病进展.
- 准确预测疾病进展对于及时干预和个性化治疗策略至关重要.
研究的目的:
- 开发和验证一种混合神经网络系统,用于预测多发性骨髓瘤中疾病进展事件.
- 预测未来的实验室结果,并从历史数据中识别疾病进展标志物.
主要方法:
- 利用混合神经网络架构进行预测建模.
- 在CoMMpass (N=1186) 和GMMG-MM5 (N=504) 研究中的数据集上训练并验证了模型.
- 整合了常规的血液测试测量,以提高可访问性和可解释性.
主要成果:
- 该模型准确地预测了未来的血液工作参数,超过了基线估计.
- 从预测的数据可靠地预测疾病进展事件.
- 外部验证证实了该模型的可重现性和显著的预测性能.
结论:
- 开发的系统可用于早期检测和个性化监测患有多发性骨髓瘤患者的进展风险.
- 模块化设计提高了可解释性,并促进了整合,为虚拟的人类双胞胎系统做出了贡献.
- 这种方法支持优化医疗保健资源利用和改善多发性骨髓瘤护理中的患者结果.
更多相关视频
09:57Comprehensive Protocol to Sample and Process Bone Marrow for Measuring Measurable Residual Disease and Leukemic Stem Cells in Acute Myeloid Leukemia
Published on: March 5, 2018
29.1K
09:41An Organotypic High Throughput System for Characterization of Drug Sensitivity of Primary Multiple Myeloma Cells
Published on: July 15, 2015
8.6K
