不同年龄组的CD34+细胞剂量在急性白血病全源造血细胞移植中的差异影响:基于机器学习的发现

科学领域:

• 血液学 血液学 血液学
• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学

背景情况:

• 全基性造血细胞移植 (allo-HCT) 提供了治疗血液性恶性瘤的方法,但涉及风险.
• 预测alo-HCT结果和识别风险因素仍然是关键的研究领域.
• 关于CD34+细胞剂量对alo-HCT整体存活时间 (OS) 的影响是有争议的,研究结果相互矛盾.

研究的目的:

• 开发机器学习 (ML) 模型来预测 allo-HCT 结果.
• 利用可解释的人工智能 (XAI) 技术,特别是夏普利添加式扩展 (SHAP),以发现新的特征-结果关系.
• 为了研究CD34+细胞剂量与患者年龄之间的相互作用,用于急性白血病的alo-HCT.

主要方法:

• 机器学习模型的开发,以预测各HCT的结果.
• 在特征重要性和相互作用分析中应用夏普利添加式扩展 (SHAP).
• 多变量分析以验证已识别的特征-结果相互作用.

主要成果:

• 确定了来自外围血液干细胞 (PBSC) 移植的CD34+细胞剂量和急性白血病患者年龄之间的显著相互作用.
• 在年轻患者 (≤45岁) 中,较低的CD34+细胞剂量 (<4.3 × 10^6/kg) 与更好的生存状况有关.
• 在老年患者 (>45岁) 中,较低的CD34+细胞剂量 (<3.8 × 10^6/kg) 与更糟糕的生存状况有关.

结论:

• 根据患者年龄量身定制CD34+细胞剂量,可能会提高接受alo-HCT的急性白血病患者的整体生存率.
• 可解释的AI (XAI) 有效地揭示了移植结果中的复杂,临床相关的相互作用.
• 这些发现提倡在alo-HCT中制定个性化策略,以优化移植剂量和患者的治疗结果.