使用机器学习方法识别儿科急性白血病中急性GVHD的关键预测因子

科学领域:

• 血液学和瘤学研究
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 造血干细胞移植 (HSCT) 对于白血病治疗至关重要.
• 同源性HCT带有风险,特别是移植与宿主疾病 (GVHD),这是导致发病和死亡的主要原因.
• 在儿童白血病中识别急性GVHD (aGVHD) 预测因子对于改善结果至关重要.

研究的目的:

• 在患有急性淋巴细胞白血病 (ALL) 和急性髓性白血病 (AML) 的儿科患者中确定急性GVHD (aGVHD) 的显著预测因素.
• 利用机器学习来加强风险评估和预防aGVHD.

主要方法:

• 对124名接受HSCT的儿科患者进行了回顾性分析.
• 机器学习模型的应用:随机森林 (RF),物流回归 (LR) 和Boruta.
• 使用合成少数群体过量采样技术 (SMOTE) 进行数据平衡,并使用R编程语言进行分析.

主要成果:

• 根据接受者的年龄,体重,供体年龄,等位基因不匹配,抗原不匹配和CMV状态,观察到aGVHD的显著差异.
• RF和Boruta确定接受者的年龄,体重和捐赠者的年龄是aGVHD的主要预测因素.
• 作为额外的因素,LR表示接受者的Rh阳性状态和供体血液组B.

结论:

• 机器学习有效地识别了aGVHD的关键预测因素,突出了它们在改善HSCT后护理方面的实用性.
• 这些发现强调了GVHD发展的多因素性质.
• 将这些预测因素纳入临床实践可以提高患者的治疗结果和预防策略.