研究在急性髓性白血病的辅助诊断方面取得了进展
Wentao Xie1, Xinye Jiang1, Jingying Huang1
1School of Biomedical Engineering, Guangzhou Medical University, Guangzhou, China.
Frontiers in oncology
|October 23, 2025
概括
人工智能 (AI) 通过分析血液涂抹图像,流细胞计数据和遗传信息,为急性髓性白血病 (AML) 提供了新的辅助诊断方法,提高了效率和准确性.
科学领域:
- 血液学 血液学 血液学
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 急性髓性白血病 (AML) 是一个复杂的血液恶性瘤,具有诊断挑战.
- 传统的AML诊断方法在效率,准确性和标准化方面存在局限性.
研究的目的:
- 系统地审查基于人工智能 (AI) 的AML辅助诊断方法的最新进展.
- 根据数据模式对AI应用进行分类:血液涂抹图像分析,流细胞计数据解释和遗传数据建模.
主要方法:
- 在AML诊断中AI应用的文献综述.
- 根据数据类型 (成像,细胞测量,遗传学) 分类人工智能方法.
- 应用策略,诊断性能和限制的分析.
主要成果:
- 人工智能提高了诊断效率,并减少了AML检测中的主观偏见.
- 人工智能在识别AML的新生物标志物方面表现有前途.
- 目前的人工智能模型面临的挑战是普遍性和临床解释性.
结论:
- 基于AI的方法为改善AML诊断提供了显著的潜力.
- 未来的研究应该侧重于数据标准化,模型透明度和临床整合.
- 人工智能可以支持AML的精确诊断和治疗策略.
更多相关视频
09:01Flow Cytometry to Estimate Leukemia Stem Cells in Primary Acute Myeloid Leukemia and in Patient-derived-xenografts, at Diagnosis and Follow Up
Published on: March 26, 2018
14.6K
07:38Intracellular Phosphoflow Cytometry of Acute Myeloid Leukemia Patient-Derived Xenotransplants
Published on: June 6, 2025
627
