Modelo predictivo basado en inteligencia artificial para la recaída en pacientes con leucemia mieloide aguda después...

Área de la Ciencia:

• Hematología
• En el campo de la oncología
• La inteligencia artificial en la medicina

Sus antecedentes:

• La recaída es una causa primaria de fracaso del trasplante en pacientes con leucemia mieloide aguda (LMA) después del trasplante de células madre hematopoyéticas de donantes haploidénticos (HID).
• La predicción temprana y precisa de la recaída post-transplante es crucial para el manejo eficaz del paciente y la mejora de las tasas de éxito del trasplante.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo basado en inteligencia artificial (IA) para la recaída posterior al trasplante en pacientes con LMA que reciben HID HSCT.
• Proporcionar una herramienta fiable para la identificación temprana de pacientes con alto riesgo de recaída.

Principales métodos:

• Un estudio de cohorte retrospectivo que incluyó a pacientes con LMA (edad ≥ 12 años) en remisión completa (CR) sometidos a HID HSCT.
• Desarrollo de un modelo predictivo y nomograma utilizando una cohorte de formación (70%) y validación en una cohorte separada (30%), una cohorte independiente (n=213) y práctica clínica.
• La inclusión de cinco variables clave: categoría de riesgo de LMA, cursos de quimioterapia de inducción para CR, estado de la enfermedad, enfermedad residual mensurable previo al HSCT y disparidad de grupos sanguíneos.

Principales resultados:

• El modelo PKU-AML desarrollado incorporó cinco variables predictivas significativas.
• El modelo demostró un buen ajuste (Hosmer-Lemeshow P=0,205) y una precisión predictiva (índice de concordancia=0,707).
• La validación en múltiples cohortes y la práctica clínica confirmaron la fiabilidad y la utilidad clínica del nomograma.

Conclusiones:

• El modelo PKU-AML predice efectivamente la recaída en pacientes con LMA sometidos a HID HSCT en CR.
• Esta herramienta impulsada por la IA facilita la predicción temprana y la intervención oportuna para la recaída posterior al trasplante.
• El modelo ofrece un recurso valioso para los médicos para gestionar el riesgo de recaída y optimizar la atención al paciente.