Enfoque multiómico de estratificación de riesgo para pacientes con leucemia mieloide aguda de novo

Los investigadores utilizarán el aprendizaje automático para identificar características en frotis de médula ósea y seleccionar características relacionadas con mutaciones genéticas, expresión genética o pronóstico. Luego, los investigadores utilizarán perfiles transcriptómicos de todo el genoma para investigar la expresión génica asociada con los resultados de los pacientes. Los investigadores diseñarán un panel de secuenciación de próxima generación con un índice molecular único y evaluarán su viabilidad y solidez para detectar enfermedades residuales medibles y optimizarán el panel/plataforma/canalización bioinformática. Finalmente, los investigadores utilizarán el aprendizaje automático para integrar las características del frotis de médula ósea, las mutaciones genéticas, la expresión genética y la enfermedad residual medible para construir un sistema integral de evaluación de riesgos basado en datos multiómicos. Los investigadores creen que dicha plataforma ayudará a los médicos a diseñar las estrategias de tratamiento más adecuadas para pacientes individuales, no solo avanzando en el concepto de medicina de precisión sino también mejorando los pronósticos de los pacientes.