使用弱监督方法和CLL MRD流细胞计数据自动检测CLL细胞群
Wikum Dinalankara1, Chandler Sy1, Jiani Chai1
1Department of Pathology and Laboratory Medicine, Weill Cornell Medicine, New York, New York, USA.
Cytometry. Part B, Clinical cytometry
|February 17, 2026
概括
我们开发了一种机器学习方法,使用流细胞计数据来预测最小残留疾病 (MRD) 状态. 这种方法可以准确地识别慢性淋巴细胞白血病患者的MRD,且监督最小.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 检测最小/可测量的残留疾病 (MRD) 对癌症治疗监测至关重要.
- 多参数流细胞计是MRD评估的常用方法.
- 目前的方法可能需要广泛的注释或复杂的分析.
研究的目的:
- 提出一种新的机器学习方法,使用流细胞计数据对MRD状态进行二元预测.
- 开发一种弱监督的方法,只需要瘤细胞的百分比进行训练.
- 评估该方法在慢性淋巴细胞白血病队列中的准确性和适用性.
主要方法:
- 细胞投射到一个低维的嵌入空间.
- 通过嵌入空间中的相似性对细胞进行聚类.
- 使用集群智能细胞比例进行预测和回归.
主要成果:
- 在预测慢性淋巴细胞白血病患者的MRD状态方面取得了高准确性.
- 证明了弱监督学习方法的有效性.
- 成功地应用了维度缩小和集群用于MRD预测.
结论:
- 拟议的机器学习方法为MRD检测提供了准确和高效的方法.
- 弱监督学习减少了在流细胞计数据分析中的注释负担.
- 这种方法对癌症监测中的常规临床应用具有前景.
关键词:
在 CLL CLL 中.在MRD中,我们可以使用MRD.慢性淋巴细胞白血病 慢性淋巴细胞白血病流动细胞计量是流动细胞计量的方法.机器学习是机器学习.最少残留疾病的最小残留疾病.监管能力较弱的监管机构.更多相关视频
09:57Comprehensive Protocol to Sample and Process Bone Marrow for Measuring Measurable Residual Disease and Leukemic Stem Cells in Acute Myeloid Leukemia
Published on: March 5, 2018
30.7K
05:24Two Flow Cytometric Approaches of NKG2D Ligand Surface Detection to Distinguish Stem Cells from Bulk Subpopulations in Acute Myeloid Leukemia
Published on: February 21, 2021
4.8K
