基于人工智能的流细胞计,用于诊断B细胞慢性淋巴增殖性疾病

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:

• 由于临床和免疫表型特征的重叠,对B细胞慢性淋巴增殖性疾病 (B-CLPD) 的准确诊断具有挑战性.
• 传统的诊断方法可能受到主观解释和观察者间的变异性所限制.

研究的目的:

• 调查机器学习 (ML) 算法的实用性,用于分类B-CLPD亚型.
• 为了评估新型标记物 (CD148,CD180,CD200) 的诊断价值,这些标记物被集成到标准流细胞计面板中.
• 为B-CLPD诊断开发一个ML驱动的决策树.

主要方法:

• 经过训练的XGBoost和DecisionTreeML模型使用480名B-CLPD患者的流细胞计数据.
• 集成的分类标记 (CD5,CD10) 和定量标记 (CD20,CD180,CD200光强度).
• 在433名B-CLPD患者的独立队列上使用不同的流细胞计测平台验证模型.

主要成果:

• 决策树模型在验证队列中实现了最高的分类准确性 (平均0.88).
• 在B-CLPD亚型中观察到高特异性 (0.95-1.0) 和可变敏感性 (0.75-1.0).
• 与马图斯分数相比,ML模型在识别慢性淋巴细胞白血病方面表现出卓越的准确性.

结论:

• 基于ML的流细胞计分析为B-CLPD分类提供了强大而准确的策略.
• 开发的DecisionTree模型可以显著提高诊断准确性,特别是在具有挑战性的情况下.
• 交互式界面可方便实际实施,提供诊断预测和信心评分.