Machine-Learning-basierte Algorithmen zur Detektion von Resterkrankung bei Patient*innen mit akuter myeloischer Leukämie

Bei Patient*innen mit akuter myeloischer Leukämie (AML) stellt die multiparametrische Durchflusszytometrie (MFC) von Blut- bzw. Knochenmarkproben eine schnelle und effiziente Methode zur Erkennung von Resterkrankung (MRD) dar und wird neben der molekulargenetischen Diagnostik zunehmend für die Verlaufskontrolle eingesetzt. Die Auswertung der resultierenden MFC-Datensätze beruht auf der Interpretation zweidimensionaler Projektionen mit manueller Identifikation aberranter Zellpopulationen. Dieses Vorgehen ist zeitaufwendig, subjektiv und durch das benötigte Expertenwissen auf ausgewählte, meist akademische Standorte begrenzt. Computer-gestützte statistische Verfahren wie zum Beispiel Machine-Learning-Methoden eröffnen vielfältige Möglichkeiten, eine expert*innenunabhängige, zuverlässige und reproduzierbare Diagnostik der MFC-Datensätze zu erreichen. Ziel dieses Projektes ist die Entwicklung einer entsprechenden Softwarelösung, die in der Lage ist, eine Risikoabschätzung bezüglich des Auftretens von MRD vorzunehmen und nachfolgend für klinische Therapieentscheidungen zur Verfügung zu stellen.

Beteiligte Wissenschaftler:innen

• Prof. Dr. Ingmar Glauche
• Dr. rer. nat. Friedemann Uschner
• Dipl. Inf. Lars Thielecke
• Dr. rer. medic. Uta Oelschlägel
• Dr. med. Malte von Bonin
• Dr. med. Maximilian-Alexander Röhnert

Finanzierung

Gefördert durch die Wilhelm-Sander Stiftung