机器学习在急性髓性白血病中用于免疫类型可测量的残留疾病评估的应用

科学领域:

• 血液学 血液学 血液学
• 计算生物学 计算生物学
• 流动细胞计量 (Flow Cytometry) 是一种流动细胞计.

背景情况:

• 多参数流细胞计对于检测急性髓性白血病 (AML) 中可测量的残留性疾病 (MRD) 是至关重要的.
• 对于MRD量化而言,手动关门是取决于操作者,耗时,并且面临着新型细胞计量平台的挑战.
• 免疫类型数据的变化和AML的低残留白血病细胞数量使自动分析复杂化.

研究的目的:

• 审查计算方法,包括机器学习和人工智能,用于AML-MRD的自动免疫类型评估.
• 在AML的背景下讨论各种计算算法的技术背景,优势和局限性.

主要方法:

• 关于免疫类型AML-MRD评估的计算方法的最新文献的综述.
• 探索算法的技术和概念基础的解释.
• 在AML的特定背景下讨论算法性能.

主要成果:

• 计算方法显示了自动化或协助MRD评估的潜力,克服了手动关门限制.
• 由于患者特异性免疫表型变异性和低残留白血病细胞比例,仍然存在挑战.
• 需要创新的计算方法来有效地分析复杂的AML-MRD数据.

结论:

• 计算方法为标准化AML-MRD评估提供了一个独特的机会.
• 这些方法有潜力超过当前的手动关门分析.
• 通过计算方法改进MRD评估最终可以增强AML患者的治疗.