使用移植前和移植后因素和计算智能对异构造血干细胞移植患者的生存预测

科学领域:

• 血液学
• 人工智能
• 医疗信息学

背景情况:

• 同源性造血干细胞移植 (allo-HSCT) 的生存预测模型往往缺乏移植后的动态因素.
• 现有的预测工具主要集中在移植前的变量上,限制了它们在动态患者场景中的准确性.

研究的目的:

• 开发和评估一种新的人工智能 (AI) 软计算模型,用于预测alo-HSCT接受者的生存结果.
• 将动态的,移植后的患者状态变化纳入allo-HSCT的生存预测算法.

主要方法:

• 编制了564名成人allo-HSCT受试者的综合数据库 (2015-2024年).
• 数据集成精制贪算法被用来开发人工智能模型.
• 该模型选择性地对影响患者结果的关键参数进行了排名和评估.

主要成果:

• 开发的AI模型在预测HSCT后的生存状况时显示了93.26%的准确性.
• 确定的主要预测参数包括年龄,疾病类型,疾病阶段,肌水平,血小板移植和急性/慢性移植对宿主疾病 (GvHD).
• 该模型有效地利用了只有七个关键参数进行准确的预测.

结论:

• 结合移植后因素的AI驱动预测模型可以显著提高allo-HSCT的生存结果预测.
• 开发的模型具有很高的准确性和临床应用潜力,但建议进行外部验证.
• 机器学习算法为改善alo-HSCT患者的长期生存预测提供了一个有希望的途径.