Approche multi-omique de la stratification des risques pour les patients atteints de leucémie myéloïde aiguë de novo

Les chercheurs utiliseront l'apprentissage automatique pour identifier les caractéristiques sur les frottis de moelle osseuse et sélectionner les caractéristiques liées aux mutations géniques, à l'expression génique ou au pronostic. Les chercheurs utiliseront ensuite le profilage transcriptomique à l'échelle du génome pour étudier l'expression des gènes associée aux résultats des patients. Les chercheurs concevront un panel de séquençage de nouvelle génération avec un indice moléculaire unique et évalueront sa faisabilité et sa robustesse dans la détection de maladies résiduelles mesurables et optimiseront le pipeline panel/plateforme/bioinformatique. Enfin, les chercheurs utiliseront l'apprentissage automatique pour intégrer les caractéristiques des frottis de moelle osseuse, les mutations géniques, l'expression génique et la maladie résiduelle mesurable afin de construire un système complet d'évaluation des risques basé sur des données multi-omiques. Les chercheurs pensent qu'une telle plateforme aidera les médecins à concevoir les stratégies de traitement les plus appropriées pour chaque patient, non seulement en faisant progresser le concept de médecine de précision, mais également en améliorant le pronostic des patients.