基于人工智能的慢性淋巴细胞白血病治疗决策支持系统

血液（2022）140（补充1）：12393-12394第64届ASH年会摘要仅在线出版慢性淋巴细胞白血病：临床和流行病学基于人工智能的慢性淋巴细胞白血病/小淋巴细胞淋巴瘤（CLL/SLL）治疗和疗效预测临床决策支持系统塞瑞努斯AI Herishanu1，*1Serenus.AI，特拉维夫，以色列* 带作者姓名的星号表示非ASH成员。卫生系统和护理人员超负荷工作，资源有限。随着人口老龄化和持续增长，这些痛点预计会增加此外，关于治疗需要和选择适当治疗的准则是通用的，只适用于少数人口。新的治疗方法正在不断开发，需要在护理点积极更新最佳研究和实践因此，需要使用人工智能（AI）和机器学习（ML）等新技术，为护理人员提供适当治疗的决策支持工具此外，为了预测治疗的有效性，需要足够的数据集。然而，在许多情况下，相关数据并不存在于医疗记录或其他地方，或者是部分的，不足以得出治疗的有效性。美国癌症协会估计，2021年约有21，250例慢性淋巴细胞白血病（CLL）新病例被诊断出来，估计有4，410人死亡在这项工作中，正在开发一个临床决策支持系统，用于关于慢性淋巴细胞白血病/小淋巴细胞淋巴瘤（CLL/SLL）治疗是否合理的问题的决策，并使用Seresnus开发的ML方法艾. Serenus.AI开发了基于AI的系统（Serenus.AI系统已注册为专利）。这是基于最新的医疗指南和实践，最新的研究，专家的知识和ML算法。由于缺乏系统训练所需的历史文件中的相关数据，已经开发了一种计算机程序，该程序能够生成反映疾病在人群中分布的无休止的相关虚拟场景系统的训练过程分几个阶段进行：1.通过定义主要和次要因素、这些因素之间的复杂关系以及每个因素的估计动态影响来创建基线数据库2. 模拟专家标签。这些标签被从各种回归模型中输入到一系列学习工具这一阶段已成为后续数据收集和算法开发的指导工具 使用主动学习技术，可以定义提高模型质量所需的样本范围。此外，人工智能系统可以揭示患者资料、治疗方案和患者结果之间的相关性。该系统的工作原理是输入所有重要的因素，关于具体的病人谁是面临CLL治疗。 这是通过计算机向交互式智能聊天机器人提供因素或从医疗文件中提取数据来完成的。然后，该系统将患者的匿名临床资料与医疗指南和研究、实践、专家标签和ML算法相结合，输出关于治疗需求、推理和替代途径的详细报告。该报告列出了影响该决定的所有因素及其相对影响。该系统显著提高了患者病史记录的质量，可用于前瞻性研究和揭示治疗的有效性，并允许医疗机构更好的数据流和监督。结论：已经开发并提出了一种自动化的基于AI的方法和系统，可以为CLL治疗途径提供实时支持重要的是，该系统还提供了有意义的结构化数据，这些数据将允许前瞻性机器学习方法揭示患者指标、患者结局和治疗方案有效性之间的相关性需要强调的是，该系统并不打算取代专业人员的传统自由裁量权，而是赋予他们所有必要的信息，以改善患者的预后并揭示治疗方法。©2022美国血液学会2022年11月15日|第140卷，编号补充1 12393第642网上出版物效率。在未来，我们打算部署该系统，作为临床决策支持系统治疗CLL/SLL。前瞻性数据的收集将允许实施进一步的研究，并发现患者匿名特征、治疗方案和患者结局之间的新相关性，以揭示治疗效率。披露无相关利益冲突需要申报。https://doi.org/10.1182/blood-2022-159349123942022年11月15日|第140卷，编号补编1摘要