AIモデルは,DLBCLを持つ多センターの現実世界集団における早期再発後のT細胞治療のリスクを分類する

科学分野:

• 腫瘍学
• 生物医学データ科学
• 血液学

背景:

• 発散型大B細胞リンパ腫 (DLBCL) の治療におけるアクシカバトゲン・キロレウセル (axicabtagene ciloleucel,axi- cel) の有効性は,重要な試験結果に反映されている.
• axi- celの成功にもかかわらず,患者の有意な割合 (約57%) が再発し,さらなる治療戦略が必要となる.
• 早期再発のリスクが高い患者の特定は,治療の最適化と長期的な生存の改善に不可欠です.

研究 の 目的:

• カリフォルニア大学 (UC) の多センター医療システムコホートにおけるアクシセルの実用的なパフォーマンスを評価する.
• アクシセルで治療されたDLBCL患者の早期再発 (半年以内に) を予測するための機械学習 (ML) 意思決定ツリーモデルを開発し,検証する.

主な方法:

• 2017年から2024年の間にアキシセルで治療された416人の成人DLBCL患者の遡及分析.
• 患者の年齢と6つのルーチン検査 (LDH,CRP,フェリチン,血球数,PT) を利用した決定木MLモデルの開発.
• 受信機操作特性下の面積 (AUROC) 曲線と決定曲線解析を用いた性能評価

主要な成果:

• 平均進行性生存期 (PFS) は10. 1ヶ月,平均全生存期 (OS) は54. 4ヶ月でした.
• 18ヶ月のPFSとOS率はそれぞれ41. 6%と65. 5%でした.
• MLモデルは,AUROC 0. 82を達成し,様々な意思決定の値を超えて臨床的有用性を実証しました.

結論:

• この研究は,様々なDLBCL患者集団におけるアクシセルの実効性を確認した.
• 開発されたMLモデルは,早期再発のリスクのある患者を特定するための新しいデータベースのアプローチを提供します.
• この予測モデルは,高リスクのDLBCL患者の臨床意思決定を導き,追加の介入を検討する可能性を秘めています.