甲磺酸阿帕替尼(apatinib)是我国自主研发的新型口服小分子抗血管生成制剂,可高度选择性地结合并抑制VEGFR-2,阻断VEGF与受体结合,抑制肿瘤血管生成,抑制肿瘤生长[1-2]。该药于2014年10月被国家食品药品监督管理总局批准上市用于晚期胃...甲磺酸阿帕替尼(apatinib)是我国自主研发的新型口服小分子抗血管生成制剂,可高度选择性地结合并抑制VEGFR-2,阻断VEGF与受体结合,抑制肿瘤血管生成,抑制肿瘤生长[1-2]。该药于2014年10月被国家食品药品监督管理总局批准上市用于晚期胃癌。2012年报道[3],阿帕替尼用于晚期NSCLC的II期临床试验发现,与安慰剂组对比,试验组PFS明显延长(4.7 vs 1.9个月,P<0.001)。展开更多
目的:探索人工智能骨髓细胞识别系统Morphogo应用于多发性骨髓瘤微小残留病(minimal residual disease,MRD)检测的临床价值及面临问题。方法:收集已经由流式细胞术(multiparameter flow cytometry,MFC)检查后明确微小残留病结果的病例65...目的:探索人工智能骨髓细胞识别系统Morphogo应用于多发性骨髓瘤微小残留病(minimal residual disease,MRD)检测的临床价值及面临问题。方法:收集已经由流式细胞术(multiparameter flow cytometry,MFC)检查后明确微小残留病结果的病例65例,调取其留存的骨髓瑞氏染色涂片,通过基于人工智能(artificial intelligence,AI)平台的分析系统Morphogo对所有骨髓涂片进行全自动扫描及细胞分类。AI及细胞形态学多发性骨髓瘤MRD阳性阈值设为浆细胞比例大于4.4%。按AI自动识别细胞数量将病例分为I 500组、I 1000组、I 2000组,每组病例的人工智能微小残留病(AI-MRD)、细胞形态学(morphology)微小残留病(M-MRD)和流式细胞术微小残留病(MFC-MRD)结果两两行Kappa一致性检验,并计算各组敏感度、特异度、准确度。分别以MFC-MRD和M-MRD结果为金标准绘制AI-MRD的受试者工作特征(receiver operating characteristic,ROC)曲线并计算其曲线下面积(area under the curve,AUC)。结果:分组后AI-MRD vs. MFC-MRD和AI-MRD vs. M-MRD的Kappa值、敏感度、特异度、准确度、AUC均随识别细胞数量的增加而增高,其中I 2000组AI-MRD vs. MFC-MRD的Kappa一致性检验结果为Kappa=0.500(P=0.013),敏感度为71%,特异度为80%,准确度为75%;AI-MRD vs. M-MRD的Kappa一致性检验结果为Kappa=0.667(P=0.001),敏感度为100%,特异度为75%,准确度为83%。以MFC-MRD结果为标准,I 2000组AI-MRD的ROC AUC=0.800(P=0.002,95%CI=0.588~0.934),M-MRD的ROC AUC=0.779(P=0.005,95%CI=0.564~0.921)。结论:人工智能骨髓细胞识别系统Morphogo检测多发性骨髓瘤MRD具有细胞识别准确度高、速度快、成本低等特点,后续开发中应加入细胞组化染色、细胞免疫等技术提高人工智能多发性骨髓瘤微小残留病诊断的准确率。展开更多
文摘甲磺酸阿帕替尼(apatinib)是我国自主研发的新型口服小分子抗血管生成制剂,可高度选择性地结合并抑制VEGFR-2,阻断VEGF与受体结合,抑制肿瘤血管生成,抑制肿瘤生长[1-2]。该药于2014年10月被国家食品药品监督管理总局批准上市用于晚期胃癌。2012年报道[3],阿帕替尼用于晚期NSCLC的II期临床试验发现,与安慰剂组对比,试验组PFS明显延长(4.7 vs 1.9个月,P<0.001)。
文摘目的:探索人工智能骨髓细胞识别系统Morphogo应用于多发性骨髓瘤微小残留病(minimal residual disease,MRD)检测的临床价值及面临问题。方法:收集已经由流式细胞术(multiparameter flow cytometry,MFC)检查后明确微小残留病结果的病例65例,调取其留存的骨髓瑞氏染色涂片,通过基于人工智能(artificial intelligence,AI)平台的分析系统Morphogo对所有骨髓涂片进行全自动扫描及细胞分类。AI及细胞形态学多发性骨髓瘤MRD阳性阈值设为浆细胞比例大于4.4%。按AI自动识别细胞数量将病例分为I 500组、I 1000组、I 2000组,每组病例的人工智能微小残留病(AI-MRD)、细胞形态学(morphology)微小残留病(M-MRD)和流式细胞术微小残留病(MFC-MRD)结果两两行Kappa一致性检验,并计算各组敏感度、特异度、准确度。分别以MFC-MRD和M-MRD结果为金标准绘制AI-MRD的受试者工作特征(receiver operating characteristic,ROC)曲线并计算其曲线下面积(area under the curve,AUC)。结果:分组后AI-MRD vs. MFC-MRD和AI-MRD vs. M-MRD的Kappa值、敏感度、特异度、准确度、AUC均随识别细胞数量的增加而增高,其中I 2000组AI-MRD vs. MFC-MRD的Kappa一致性检验结果为Kappa=0.500(P=0.013),敏感度为71%,特异度为80%,准确度为75%;AI-MRD vs. M-MRD的Kappa一致性检验结果为Kappa=0.667(P=0.001),敏感度为100%,特异度为75%,准确度为83%。以MFC-MRD结果为标准,I 2000组AI-MRD的ROC AUC=0.800(P=0.002,95%CI=0.588~0.934),M-MRD的ROC AUC=0.779(P=0.005,95%CI=0.564~0.921)。结论:人工智能骨髓细胞识别系统Morphogo检测多发性骨髓瘤MRD具有细胞识别准确度高、速度快、成本低等特点,后续开发中应加入细胞组化染色、细胞免疫等技术提高人工智能多发性骨髓瘤微小残留病诊断的准确率。
