基于人工智能驱动的慢性骨髓性白血病细胞的无标签检测,使用幽灵细胞计量

科学领域:

• 血液学 血液学 血液学
• 生物技术是生物技术.
• 人工智能的人工智能

背景情况:

• 慢性髓性白血病 (CML) 的早期诊断对于深度分子反应至关重要,但由于微妙或缺席的症状和正常的白细胞计数,具有挑战性.
• 目前的诊断方法可能会错过早期的CML,从而延迟关键治疗的开始.

研究的目的:

• 探索基于人工智能 (AI) 的CML细胞使用幽灵细胞计 (GC) 的定量检测的潜力.
• 开发一种方法,在外周血清异常出现之前识别CML患者.

主要方法:

• 预先训练的AI模型是使用新诊断的CML患者和健康个体的外周血液白细胞的形态数据来开发的.
• 这些AI模型用于分析接受氨酸激酶抑制剂治疗的CML患者的外周血液样本.

主要成果:

• 人工智能模型证明了对CML细胞的准确检测,即使在治疗开始后存在少量.
• 在AI检测到的CML细胞数量和BCR::ABL1 IS mRNA水平之间观察到强烈的相关性.

结论:

• 来自GC的多维单细胞形态数据,通过机器学习分析,使得CML细胞的无标签的定量检测成为可能.
• 这种方法可能会导致一种新的查测试,用于早期CML检测,在传统血液测试异常之前.