The World Health Organization classification (WHO-HAEM5) and the International Consensus Classification (ICC 2022) of myeloid neoplasms are based on the integration of clinical, morphologic, immunophenotypic, and genomic data. Flow cytometric immunophenotyping (FCIP) allows the identification, enumeration, and characterization of hematopoietic cells, and is therefore a powerful tool in the diagnosis, classification, and monitoring of hematological neoplasms. The vast majority of flow cytometry (FCM) studies in chronic myeloid neoplasms focus on its role in myelodysplastic neoplasms (MDS). FCM can also be helpful for the assessment of myeloproliferative neoplasms (MPN) and MDS/MPN, including the early detection of evolving myeloid or lymphoid blast crisis and the characterization of monocytic subsets. The classification of acute myeloid leukemia (AML) is primarily based on cytogenetic and molecular findings; however, FCIP is needed for subclassification of AML, not otherwise specified (NOS; ICC)/AML defined by differentiation (WHO-HAEM5). The main role of FCM in AML remains in making a rapid diagnosis and as a tool for measurable residual disease monitoring. Machine learning and artificial intelligence approaches can be used to analyze and classify FCM data. This article, based on an invited lecture at the 106th Annual Meeting of the German Society of Pathology in 2023, reviews the role of FCM in the classification of myeloid neoplasms, including recent publications on the application of artificial intelligence.
Die Klassifikation gemäß World Health Organization (WHO-HAEM5) und die International Consensus Classification (ICC) myeloischer Neoplasien basieren auf der Integration klinischer, morphologischer, immunphänotypischer und genetischer Daten. Die durchflusszytometrische Immunphänotypisierung (FCIP) ermöglicht die Identifizierung, Auszählung und Charakterisierung von hämatopoetischen Zellen und ist daher ein leistungsstarkes Instrument bei der Diagnostik, Klassifikation und Verlaufskontrolle hämatologischer Neoplasien. Die Mehrzahl der Studien über die Anwendung der Durchflusszytometrie (FCM) bei chronischen myeloischen Neoplasien fokussieren auf die Rolle bei der Diagnostik myelodysplastischer Syndrome (MDS). FCM ist auch hilfreich bei der Beurteilung myeloproliferativer Neoplasien (MPN) und von MDS/MPN, einschließlich des frühen Nachweises einer drohenden myeloischen oder lymphatischen Blastenkrise und der immunphänotypischen Charakterisierung monozytärer Subpopulationen. Die Klassifizierung der akuten myeloischen Leukämie (AML) beruht primär auf zytogenetischen und molekularen Befunden; FCIP ist jedoch erforderlich für die Subklassifikation der AML, die nicht anderweitig spezifiziert ist (NOS; ICC)/AML, die definiert ist durch Differenzierung (WHO-HAEM5). Die wichtigste Rolle der FCM bei AML ist die schnelle Diagnostik und die Anwendung zur Überwachung messbarer Resterkrankung. Maschinelles Lernen und künstliche Intelligenz können für die Analyse und Klassifizierung von FCM-Daten genutzt werden. Dieser Artikel, der auf einem Vortrag bei der 106. Jahrestagung der Deutschen Gesellschaft für Pathologie 2023 basiert, ist eine Zusammenfassung zur Rolle der Durchflusszytometrie bei der Klassifikation myeloischer Neoplasien, einschließlich neuerer Publikationen zur Anwendung von künstlicher Intelligenz.
Keywords: Artificial intelligence; Classification; Flow cytometry; Immunophenotyping; Myeloid neoplasms.
© 2023. The Author(s).