移植前および移植後の因子および計算知能を用いた全遺伝性造血幹細胞移植患者の生存予測

科学分野:

• 血液学
• 人工知能
• 医療情報学

背景:

• アロゲン性造血幹細胞移植 (allo-HSCT) の生存予測モデルには,移植後の動的要因が欠けていることが多い.
• 既存の予測ツールでは,主に移植前の変数に焦点を当てており,動的患者シナリオでの精度が制限されています.

研究 の 目的:

• アロ-HSCT受容者の生存結果を予測するための新しい人工知能 (AI) ソフトコンピューティングモデルを開発し,評価する.
• アロ-HSCTの生存予測アルゴリズムに 動的,移植後の患者の状態の変化を組み込む.

主な方法:

• 564人の成人allo-HSCT受給者 (2015年−2024年) の包括的なデータベースが策定されました.
• データ・アンサンブル・リファインメント・グレイディ・アルゴリズム (Data Ensemble Refinement Greedy Algorithm) はAIモデルを開発するために使用されました.
• このモデルは,患者の結果に影響を与える重要なパラメータを選択的にランク付けし評価した.

主要な成果:

• 開発されたAIモデルは,HSCT後の生存状況の予測において93.26%の正確性を示した.
• 主な予測パラメータには,年齢,疾患のタイプ,疾患の段階,クレアチニン濃度,血小板移植,急性/慢性移植対宿主疾患 (GvHD) が含まれる.
• 正確な予測には 7 つの重要なパラメータのみを効率的に利用します

結論:

• 移植後の要因を組み込むAI駆動の予測モデルは,allo-HSCTにおける生存結果の予測を大幅に改善することができます.
• 開発されたモデルは高い精度と臨床適用の可能性を示していますが,外部検証は推奨されています.
• 機械学習アルゴリズムは,allo-HSCT患者の長期生存予測を改善するための有望な手段を提供します.