AI破局白血病诊疗，实现96.5%高精度诊断
速读：团队以深度叙述性综述的形式，系统梳理并批判性评估了新兴人工智能在急性髓系白血病（AML）风险分层、影像诊断、基因组分析及治疗决策中的前沿应用与挑战，全面展现了新兴AI赋能白血病精准诊疗的最新进展。
急性髓系白血病（AML）是一种具有高度异质性的恶性血液肿瘤，其复杂的基因变异使个体化治疗成为国际研究热点。
AI破局白血病诊疗，实现96.5%高精度诊断
11月6日，西安交通大学第一附属医院血液内科主任医师刘华胜团队在《美国医学会·肿瘤学》在线发表了综述性论文。团队以深度叙述性综述的形式，系统梳理并批判性评估了新兴人工智能在急性髓系白血病（AML）风险分层、影像诊断、基因组分析及治疗决策中的前沿应用与挑战，全面展现了新兴AI赋能白血病精准诊疗的最新进展。
该成果为推动白血病精准医疗的跨学科融合与创新发展提供了重要参考，也标志着我国科研团队在肿瘤人工智能研究领域迈向国际前沿。
急性髓系白血病（AML）是一种具有高度异质性的恶性血液肿瘤，其复杂的基因变异使个体化治疗成为国际研究热点。研究团队在论文中系统回顾了新兴人工智能技术在AML风险分层、影像诊断和基因组分析中的应用进展。
论文指出，机器学习与深度学习算法通过整合临床、细胞遗传学及分子数据，显著提高了预后预测的准确性。深度学习平台在骨髓细胞影像识别中的受试者工作特征曲线（AUROC）达0.97，而基因变异预测准确率超过92%。这些成果为白血病早期诊断和风险评估提供了全新的智能化工具。
论文强调，针对医疗数据隐私与模型泛化能力不足的问题，团队创新性引入联邦学习与可解释人工智能框架。研究显示，该方法在保护患者隐私的同时，仍能实现96.5%的白血病分类准确率，并通过可解释性算法（如Shapley值分析）揭示模型预测依据，增强了临床医生对AI决策的信任。研究提出了AI伦理审查流程，以结构化的形式强调明确的监管路径、数据治理和人类监督路径。AI的角色应是 专注于数据组织和模式识别，而治疗决策仍需医生主导。
主题：急性髓系白血病