AI-Based Fine Morphological Subtyping of Myeloma Single Cells for Predicting FISH Abnormalities

Rövid összefoglaló (regiszter, angolul)

This study developed an artificial intelligence (AI)-based methodology for the quantitative analysis of single-cell morphological data in multiple myeloma (MM). The approach achieves high-precision AI-driven identification and segmentation of myeloma cells, nuclei, cytoplasm, and nucleoli, overcoming the inherent limitations of subjective traditional morphological analysis. Furthermore, integrating this morphological quantification with cytogenetic abnormality analysis of myeloma cells provides an efficient predictive tool for identifying high-risk cytogenetic abnormalities. Leveraging AI-guided selection of genetic testing targets, the research applied a rapid genetic abnormality detection technique utilizing first-drop bone marrow aspirate smears. This methodology achieves orders of magnitude improvements in testing cost, sample preprocessing time and detection sensitivity.

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Tervezett résztvevők: 10
• 2018. aug. 1. és az elsődleges befejezés (2026. dec. 31.) között
• 1 helyszín, 1 országban
• Vizitek és vizsgálatok: kérdezd a vizsgálat csapatát, a regiszter nem sorolja fel őket

A(z) ClinicalTrials.gov regisztermezőiből összeállítva. A vizsgálat felépítését írja le.

Ki nem vehet részt

Szó szerint a(z) ClinicalTrials.gov forrásból, témák szerint csoportosítva. Hogy ki vehet részt, azt csak a vizsgálat csapata dönti el.

Kiket keres a vizsgálat

Nem: nők és férfiak · Egészséges önkénteseket nem fogad

A teljes feltétellista: ClinicalTrials.gov

Helyszínek (1)

Helyszínek a regiszter sorrendjében. Ha a profilodba mented a városodat, távolság szerint rendeződnek.

Te vagy a koordinátor? Erősítsd meg az adatokat