人工智能通过流细胞计加速了可测量的残留B型淋巴细胞白血病的解释

科学领域:

• 血液学 血液学 血液学
• 计算生物学 计算生物学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 通过流细胞计 (FC) 评估可测量的残留疾病 (MRD) 对B细胞急性淋巴细胞白血病 (B-ALL) 的预后和治疗至关重要.
• 目前基于FC的MRD分析需要大量的专业知识和手工努力,这限制了其广泛的临床应用.
• 需要自动化和高效的方法来简化B-ALL.中的MRD评估.

研究的目的:

• 开发和验证人工智能 (AI) 管道,以加速和简化B-ALL.中的MRD分析.
• 在速度,准确性和与传统方法一致性方面评估人工智能管道的性能.

主要方法:

• 开发了一个AI管道,使用来自B-ALL病例的未经改变的FC文件.
• 该管道包含了集群信息下方采样,以减少数据大小,同时保持小MRD群体.
• 一个深度的神经网络被用于细胞分类,一个AI异常测量区分了B-ALL和正常细胞.

主要成果:

• 人工智能管道平均减少了87%的细胞性,并保持了小型MRD种群的高保留率.
• 人工智能分类器在识别细胞类型和区分B-ALL.ALL方面实现了高性能指标 (F1得分0.86,AUC0.98和0.94).
• 用人工智能增强的文件的手动分析平均每例花费1.01分钟,显示100%的正和负一致性以及与传统分析的优异的定量相关性 (R2=0.92).

结论:

• 基于云的AI增强解决方案显著加速了B-ALL MRD识别.
• 人工智能管道保持了高的测试性能,与传统方法相美.
• 这种人工智能解决方案有可能提高B-ALL MRD分析在临床环境中的可访问性.