预测心脏移植中排斥风险:个性化移植后护理的综合临床-组织病理框架

科学领域:

• 心脏病学 心脏病学
• 免疫学 免疫学 免疫学
• 病理学 病理学 病理学
• 数据科学数据科学数据科学

背景情况:

• 心脏全移植排斥 (CAR) 是心脏移植 (HT) 后移植失败的主要原因.
• 目前CAR的诊断方法缺乏对未来排斥风险的预测准确性.
• 需要精准医学方法,通过利用现有数据来改善HT后护理.

研究的目的:

• 通过整合临床数据和定量活检形态学,开发和验证CAR风险的预测模型.
• 展示挖掘现有数据源的潜力,以实现个性化的HT后护理.
• 为主动CAR评估创建一个简化的风险指数.

主要方法:

• 追溯分析484名HT接受者和1188名内心肌瘤活检 (EMB).
• 370个定量病理特征的提取和268个纵向临床变量的聚合.
• 使用XGBoost开发预测模型,比较仅临床,仅形态和综合数据.

主要成果:

• 完全集成的纵向模型实现了卓越的预测准确性 (AUROC 0.86,AUPRC 0.74).
• 综合拒绝风险指数 (IRRI) 将患者分为不同的风险类别,具有明显不同的未来CAR危险.
• 与单域或横截面数据模型相比,IRRI显示出更高的性能.

结论:

• 国际心脏研究所提供了一个可扩展和可解释的工具,用于主动评估心脏移植患者的CAR风险.
• 这种基于精度的方法可以指导风险适应性监测和免疫抑制策略.
• 该IRRI有潜力减少不必要的程序,并改善患者在后HT护理的结果.