使用主要成分分析来识别患者HLA单抗原珠固相测试模式中临床相关的变化

科学领域:

• 移植免疫学 移植免疫学
• 医疗保健中的机器学习
• 免疫遗传学 免疫遗传学

背景情况:

• 人类白细胞抗原 (HLA) 抗体测试对于固体器官移植分配,患者监测和风险评估至关重要.
• Luminex固相检测是HLA抗体识别的标准,但涉及对90多种特异性的复杂手动分析.
• 主要组件分析 (PCA) 是一种机器学习技术,用于从高维数据中提取特征.

研究的目的:

• 评估PCA衍生分析在固体器官移植患者HLA抗体模式的特征化中的实用性.
• 将PCA衍生分析与移植前和移植后患者的对照组进行比较.
• 建立PCA衍生分析的值,表明单抗原珠子模式的显著变化.

主要方法:

• 应用PCA对HLA抗体测试结果来自固体器官移植患者,包括具有捐赠者特异性抗体 (DSAs) 患者.
• 使用的接收器运行特征 (ROC) 分析,以确定PCA衍生分析的门.
• 将PCA衍生分析结果与临床结果进行比较,以评估其识别新HLA抗体活性的能力.

主要成果:

• 该PCA衍生算法在识别新的HLA抗体反应性方面表现出100%的灵敏度和75%的特异性.
• 积极预测值 (PPV) 为65%,负预测值 (NPV) 为100%,用于检测患者历史HLA抗体模式的变化.
• 在PCA分析中,在HLA类I和II面板中也发现了过度反应的单抗原珠,这表明了潜在的测试干扰.

结论:

• PCA衍生分析可以自动识别HLA抗体模式的显著变化,包括DSA和de novo抗体.
• 这种方法有助于检测测量干扰和过度反应珠在HLA抗体测试.
• PCA提供了一种有价值的工具,可以改善移植患者的监测和理解测试性能.