Проточная цитофлуориметрия и машинное обучение для скрининга лейкозов
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала описывает эксперименты по применению машинного обучения для анализа данных проточной цитофлуориметрии при скрининге лейкозов и оценке доли бластных клеток. Для исследования использовали обезличенные данные одного из крупных центров детской гематологии и онкологии: 150 здоровых пациентов и 906 пациентов с заболеваниями. Данные одного пациента включали около 28 тысяч событий по 13 каналам; более 80% точек авторы сочли выбросами и обрабатывали с помощью компенсации, Logicle-преобразования и эвристик.
Наилучшие результаты в описанных экспериментах показал стекинг моделей детекции аномалий, нейронной сети и XGBoost. Для оценки доли бластных клеток модель получила на тестовой выборке RMSE 13,42±0,4 и MAE 7,78±0,2; при классификации пациентов ROC AUC составил 0,956±0,01. Автор отмечает, что для дальнейшей работы нужны интерпретируемость результатов для врачей и увеличение выборки. Описанные результаты относятся к скрининговым данным и не представлены как готовый диагностический инструмент.
Главное
- В выборке было 150 здоровых пациентов и 906 пациентов с заболеваниями.
- Данные каждого пациента включали около 28 тысяч событий по 13 каналам проточной цитофлуориметрии.
- Стекинг моделей показал RMSE 13,42±0,4 и MAE 7,78±0,2 при оценке доли бластных клеток.
- В задаче классификации стекинг моделей достиг ROC AUC 0,956±0,01 на тестовой выборке.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация