相关实验视频
Updated: Jan 17, 2026
07:58
Characterizing Mutational Load and Clonal Composition of Human Blood
Published on: July 11, 2019
7.8K
时间序列聚类捕捉了早期免疫效应细胞相关的血液毒性的模式,这些模式可以使用基于树的模型进行预测
Emily C Liang1,2, Yein Jeon1,2, Yang Qiao1
1Fred Hutch Cancer Center, Seattle, WA.
JCO clinical cancer informatics
|January 14, 2026
概括
在 CAR T 细胞治疗后,无监督的聚类发现了明显的血液毒性模式,其表现优于目前的分级系统. 随机森林模型使用有限的早期数据准确地预测这些模式.
科学领域:
- 血液学 血液学 血液学
- 免疫治疗是一种免疫疗法.
- 数据科学数据科学数据科学
背景情况:
- 免疫效应细胞相关的血液毒性 (ICAHT) 是后化学抗原受体 (CAR) T 细胞疗法死亡的重要原因.
- 目前用于早期ICAHT (eICAHT) 的分级系统可能无法完全捕捉出血毒性模式的复杂性.
研究的目的:
- 调查无监督的时间序列聚类是否可以在CAR T细胞治疗后识别早期血液毒性的独特模式.
- 为了比较聚类模式与eICAHT分级系统在确定患者结果方面的有效性.
主要方法:
- 应用k-平均时间序列聚类到691名患者的纵向绝对中性粒细胞计数 (ANC) 数据.
- 训练了一个随机森林 (RF) 模型,使用早期ANC值 (天数+3,+4,+5,+26,+27) 来预测集群分配.
- 验证了RF模型的预测准确性,并将集群分离与eICAHT标准进行了比较.
主要成果:
- 确定了四个不同的ANC恢复集群:非常好,好,差,和非常差.
- 射频预测的集群显示出比eICAHT标准更好的分离和紧性.
- 射频模型确定了"良好的"康复群中的患者具有中间的整体存活率,这是2级eICAHT错过的发现.
结论:
- 无监督的时间序列聚类有效地识别了CAR T细胞治疗后临床相关的血液毒性模式.
- 一个训练有素的射频模型只使用五次ANC测量就能准确地预测这些模式.
- 一个在线网络应用程序可用于生成预测.
