本研究提出多种机器学习模型，以提高急性髓性白血病和急性淋巴细胞白血病的诊断准确性。通过流式细胞术和自监督学习，展示了DinoBloom模型在细胞分类和特征提取中的优势，研究结果表明这些模型能有效支持临床决策并推动新研究方向。

该研究提出了FlowCyt，这是首个针对流式细胞术数据的多类单细胞分类基准。通过使用骨髓样本和多种机器学习方法，图神经网络（GNNs）展现出优越性能。该基准促进了单细胞分析新方法的开发，并提供了丰富注释的异质数据集，推动了临床相关分类任务的标准化评估。