向临床可行的机器学习和人工智能算法在急性白血病:一个系统的叙事审查
Jean M G Sabile1, Ping Zhang2,3, Anil V Parwani4
1Knight Cancer Institute, Division of Hematology & Oncology, Oregon Health & Sciences University, Portland, Oregon, USA.
Acta haematologica
|July 24, 2025
概括
人工智能和机器学习 (AI/ML) 为治疗急性髓性白血病 (AML) 提供了新的策略. 这些先进的AI/ML工具在改善AML患者的诊断,风险分层和结果方面表现有前途.
科学领域:
- 血液学 血液学 血液学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 急性髓性白血病 (AML) 具有重大挑战,复发率高,存活率差.
- 目前针对AML的治疗方法存在局限性,因此对改善长期存活率和降低毒性产生未满足的需求.
- 人工智能和机器学习 (AI/ML) 正在成为解决AML临床挑战的强大工具.
研究的目的:
- 系统地审查AI/ML在急性髓性白血病中的应用.
- 描述AI/ML工具的演变及其在AML中的临床相关性.
- 突出当代AI/ML算法的潜力,解决与AML相关的问题.
主要方法:
- 一个系统的叙事审查426个出版物.
- 出版物被根据它们对AML和AI/ML交叉的重点进行了选择.
- 审查期从2010年1月1日到2024年7月30日.
主要成果:
- 在AML中分析了AI/ML工具的演变,区分了早期和当代算法 (例如,生成对抗网络,基于变压器的算法).
- 当代AI/ML算法正在用于AML的诊断挑战,分子风险分层和临床结果预测.
- 审查表明,AI/ML在反洗钱管理的各个方面日益集成和影响越来越多.
结论:
- 人工智能/ML代表着解决AML临床挑战的一个有希望的前沿.
- 建议进一步利用AI/ML,特别是在异性干细胞移植的背景下.
- AI/ML有可能改善急性髓性白血病患者的治疗结果和治疗策略.
