Skip to main content
Home
Zeitschriften
Zeitungen
Podcast
Gesundheitspolitik
Praxis
Allerlei
Jobs
Fachgebiete
Allgemeinmedizin Anästhesiologie & Intensivmedizin Apotheke Augenheilkunde Chirurgie Dermatologie Gynäkologie und Geburtshilfe HNO Innere Medizin Kinder & Jugendheilkunde Neurologie & Psychiatrie Orthopädie & Unfallchirurgie Pflege Urologie Zahnmedizin
Subfächer Innere Medizin
Diabetologie Gastroenterologie Infektiologie Kardiologie Onkologie und Hämatologie Pneumologie Rheumatologie
Fortbildungen
Überblick Fortbildungen DFP-Literaturstudium-Artikel DFP-Webcast Fortbildungen DFP-Podcasts
Erweiterte Suche
Anmelden
nach oben

17.05.2024 | Akute myeloische Leukämie | Schwerpunkt

Schwerpunkt „KI in der Hämatologie und Onkologie“

Bildorientierte KI zur Unterstützung der zytomorphologischen Leukämiediagnostik

verfasst von: Dr. Dr. med. Christian Matek, M.Sc., Prof. Dr. med. Karsten Spiekermann, Dr. Carsten Marr

Einloggen, um Zugang zu erhalten

Auszug

KI-basierte Klassifikationsansätze könnten die hämatologische Morphologiediagnostik nicht nur optimieren, sondern auch helfen, bisher unbekannte morphomoleklulare Zusammenhänge aufzudecken. Über Hintergründe und Voraussetzungen informiert dieser Beitrag. …
Literatur
1.
Arber DA et al. International Consensus Classification of Myeloid Neoplasms and Acute Leukemias: integrating morphologic, clinical, and genomic data. Blood. 2022;140(11):1200-28
2.
Shaver AC et al. Nuances of Morphology in Myelodysplastic Diseases in the Age of Molecular Diagnostics. Curr Hematol Malig Rep. 2017;12(5):448-54
3.
Font P et al. Inter-observer variance with the diagnosis of myelodysplastic syndromes (MDS) following the 2008 WHO classification. Ann Hematol. 2013;92(1):19-24
4.
Fuentes-Arderiu X et al. Measurement uncertainty in manual differential leukocyte counting. Clin Chem Lab Med. 2009;47(1):112-5
5.
6.
Matek C et al. Human-level recognition of blast cells in acute myeloid leukaemia with convolutional neural networks. Nat Mach Intell. 2019;1(11):538-44
7.
Peng K et al. Automated bone marrow cell classification through dual attention gates dense neural networks. J Cancer Res Clin Oncol. 2023;149(19):16971-81
8.
Matek C et al. Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set. Blood. 2021;138(20):1917-27
9.
Kockwelp J et al. Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears. Blood Adv. 2024;8(1):70-9
10.
Jennifer SS et al. Sickle cell disease classification using deep learning. Heliyon. 2023;9(11):e22203
11.
Samek W et al. (Hrsg). Explainable AI: Interpreting, Explaining and Visualizing Deep Learning. Cham, Schweiz: Springer Nature; 2019
12.
Ilse M et al. Attention-based Deep Multiple Instance Learning. In: Dy J, Krause A (Hrsg.). Proceedings of the 35th International Conference on Machine Learning. PMLR. Jul 10-15 2018; Stockholm, Schweden. 2018. S. 2127-36
13.
Hehr M et al. Explainable AI identifies diagnostic cells of genetic AML subtypes. PLOS Digit Health. 2023;2(3):e0000187
14.
Eckardt JN et al. Deep learning detects acute myeloid leukemia and predicts NPM1 mutation status from bone marrow smears. Leukemia. 2022;36(1):111-8
15.
Sadafi A et al. Attention Based Multiple Instance Learning for Classification of Blood Cell Disorders. In: Martel AL et al (Hrsg.). Medical Image Computing and Computer Assisted Intervention - MICCAI 2020. Okt 4-8 2020; Lima, Peru. Cham, Schweiz: Springer Nature. 2020. S. 246-56
16.
17.
18.
Acevedo A et al. A dataset of microscopic peripheral blood cell images for development of automatic recognition systems. Data Brief. 2020;30:105474
19.
Sadafi A et al. Pixel-Level Explanation of Multiple Instance Learning Models in Biomedical Single Cell Images. In: Frangi A et al. (Hrsg.). Information Processing in Medical Imaging. Jun 18-23 2023; San Carlos de Bariloche, Argentinien. Cham, Schweiz: Springer Nature. 2023. S. 170-82
Metadaten
Titel
Schwerpunkt „KI in der Hämatologie und Onkologie“
Bildorientierte KI zur Unterstützung der zytomorphologischen Leukämiediagnostik
verfasst von
Dr. Dr. med. Christian Matek, M.Sc.
Prof. Dr. med. Karsten Spiekermann
Dr. Carsten Marr
Publikationsdatum
17.05.2024
Verlag
Springer Medizin
DOI
https://doi.org/10.1007/s15004-024-0564-7
Bildnachweise