NPJ precision oncology · 2025
Image-based explainable artificial intelligence accurately identifies myelodysplastic neoplasms beyond conventional signs of dysplasia.
СтатьяНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Eckardt Jan-Niklas, Srivastava Ishan, Schulze Freya, Winter Susann, Schmittmann Tim, Riechert Sebastian, Schneider Martin M K, Reichel Lukas, Gediga Miriam Eva Helena, Sockel Katja, Sulaiman Anas Shekh, Röllig Christoph, Kroschinsky Frank, Asemissen Anne-Marie, Pohlkamp Christian, Haferlach Torsten, Bornhäuser Martin, Wendt Karsten, Middeke Jan Moritz
Аннотация
Cytomorphological assessment of bone marrow smears (BMS) is essential in the diagnosis of myelodysplastic neoplasms (MDS), yet manual evaluation is prone to inter-observer variability. We trained end-to-end deep learning models to distinguish between MDS, acute myeloid leukemia, and bone marrow donor BMS with high accuracy in internal tests and external validation. Occlusion sensitivity mapping revealed the high importance of nuclear structures beyond canonical dysplasia, demonstrating accurate, interpretable MDS detection without labor-intensive cell-level annotation.