通过定量EEG自动检测免疫效应细胞相关的神经毒性综合征

科学领域:

• 神经科学是一个神经科学.
• 免疫学 免疫学 免疫学
• 生物医学工程 生物医学工程

背景情况:

• 化学抗原受体 (CAR) T细胞疗法为各种癌症提供了有前途的治疗方法.
• 免疫效应细胞相关神经毒性综合征 (ICANS) 是CAR T细胞治疗的重要并发症.
• 目前用于诊断ICANS的方法可能是主观的,缺乏客观的生理测量.

研究的目的:

• 开发一种自动化,生理学指标,用于检测和分类ICANS在接受CAR T细胞治疗的患者.
• 验证定量脑电图 (EEG) 功能在评估神经毒性的有用性.
• 为可靠的ICANS评分系统建立机器学习模型.

主要方法:

• 从2016年到2020年进行了一项回顾性观察队列研究.
• 接受CD19或BCMA向的CAR T细胞治疗的患者每天接受EEG监测.
• 使用定量EEG特征开发了一个机器学习模型,以创建EEG-ICANS评分.

主要成果:

• EEG-ICANS得分与神经毒性临床等级有显著的相关性 (Spearman的R2中位数为0.69).
• 该模型实现了接收器操作曲线下的平均面积大于0.85,用于二进制歧视.
• 该得分与费里水平,血小板数,德克萨米他使用和神经毒性持续时间有显著的相关性.

结论:

• EEG-ICANS评分表现出高的标准,构造和预测有效性.
• 这一分数作为一种强大的生理方法来检测ICANS的存在和严重程度.
• 自动化指标可以帮助及时管理CAR T细胞治疗接受者的神经毒性.