- Инструмент на основе искусственного интеллекта может предсказать риск развития хронической реакции «трансплантат против хозяина» (РТПХ) и смерти, связанной с трансплантацией, после трансплантации стволовых клеток или костного мозга.
- Сочетая биомаркеры с клиническими факторами, инструмент искусственного интеллекта предсказывал результаты более точно, чем одни только клинические данные, особенно в отношении смертности, связанной с трансплантацией.
- Инструмент распределил пациентов на группы низкого и высокого риска с явными различиями в результатах в течение 18 месяцев после трансплантации и был проверен на независимой когорте пациентов.
- Модель машинного обучения доступна в виде бесплатного веб-приложения для поддержки оценки и исследования рисков.
Трансплантация стволовых клеток и костного мозга — это процедуры, при которых больные, поврежденные или разрушенные кроветворные клетки заменяются здоровой тканью. Они являются распространенным средством лечения лейкемии, лимфомы и заболеваний крови.
Эти процедуры включают сбор клеток у донора (
Потенциальные осложнения могут привести к смертности, связанной с лечением, обычно вызванной РТПХ. Хотя достижения в области трансплантологии улучшили показатели выживаемости, РТПХ является ведущей причиной поздней заболеваемости и смертности после трансплантации аллогенных стволовых клеток.
Трудно предсказать, у кого будет РТПХ, а у кого нет. Однако данные свидетельствуют о том, что от половины до трети всех людей, перенесших аллогенный трансплантат, развиваются некоторые симптомы РТПХ.
Это может произойти вскоре после трансплантации, известное как острая РТПХ, или может возникнуть через несколько месяцев после трансплантации, называемое хронической РТПХ (хГПХ).
Предотвращение РТПХ может быть сложной задачей, поскольку обычно оно включает в себя балансирование иммуносупрессии для предотвращения РТПХ без увеличения риска заражения и предотвращения побочных реакций на эти методы лечения.
Новое исследование, опубликованное в Журнале клинических исследований, описывает модель машинного обучения, которая оценивает риск развития ХРТПХ и смерти пациента от причин, связанных с трансплантацией, до появления симптомов.
Исследователи предполагают, что этот инструмент может дать врачам раннее предупреждение и открыть окно для более тщательного мониторинга или профилактических стратегий.
Превращение анализов крови в прогностическую информацию
Для разработки инструмента искусственного интеллекта, известного как BIOPREVENT, совместная группа под руководством исследователей из Онкологического центра Холлингса Медицинского университета Южной Каролины (MUSC) проанализировала данные 1310 реципиентов трансплантатов, участвовавших в четырех крупных многоцентровых исследованиях.
Команда сосредоточилась на образцах крови, собранных через 90–100 дней после трансплантации. Ведущий автор исследования Софи Пачесны, доктор медицинских наук, рассказала: Медицинские новости сегодня что это окно является критическим периодом, когда пациенты могут чувствовать себя хорошо, но основная иммунная активность, возможно, уже создает основу для осложнений.
«Заболевание начинается не тогда, когда появляются симптомы, оно начинается незаметно. Мы предположили, что примерно на 90-100 день наблюдается субклиническая фаза ХРТПХ, которую можно обнаружить биологически до того, как она станет клинически очевидной», — отметил Пачесный.
«Наши данные показывают, что машинное обучение на основе биомаркеров может выявить риск примерно за 2–8 месяцев до официального диагноза, создавая окно возможностей для более ранних действий».
— Софи Пачесны
Предыдущая работа, проведенная этим исследователем, который является соруководителем программы биологии и иммунологии рака в онкологическом центре Холлингса Медицинского университета Южной Каролины, идентифицировала и подтвердила семь белков, связанных с иммунитетом, связанных с воспалением, иммунной активацией, иммунной регуляцией и повреждением тканей.
Исследователи измерили эти семь биомаркеров в сочетании с девятью клиническими факторами, включая возраст, тип трансплантата, основное заболевание и предшествующие осложнения.
Исследователи протестировали несколько подходов машинного обучения, чтобы определить, какой из них лучше всего предсказывает результаты. Самая эффективная модель использовала статистический метод, известный как деревья байесовской аддитивной регрессии, который стал основой для BIOPREVENT.
Пачесный рассказал МНТ что «цРТПХ остается одним из наиболее тяжелых осложнений после трансплантации гемопоэтических клеток».
«Наше исследование показывает, что модель машинного обучения, использующая биомаркеры крови через три месяца после трансплантации, может предсказать, кто находится в группе риска, за несколько месяцев до появления симптомов, открывая дверь для более раннего, потенциально упреждающего вмешательства», — добавила она.
Более точные, чем просто клинические данные
Результаты исследования показали, что объединение данных биомаркеров с клинической информацией значительно улучшило способность прогнозировать смертность, связанную с трансплантацией, по сравнению с использованием только клинических данных.
Важно отметить, что команда проверила модель ИИ на независимой группе реципиентов трансплантатов, подтвердив, что инструмент может надежно прогнозировать риск, выходящий за рамки пациентов, использованных для его создания.
Кроме того, BIOPREVENT успешно разделил людей на группы низкого и высокого риска с четкими различиями в результатах в течение 18 месяцев после трансплантации.
Полученные данные также позволяют предположить, что цРТПХ и смерть, связанная с трансплантацией, могут быть вызваны частично разными биологическими процессами.
Некоторые биомаркеры были более тесно связаны с риском смерти после трансплантации, в то время как другие были лучшими предикторами того, у кого позже разовьется цРТПХ.
От исследовательской модели к веб-инструменту
Чтобы стимулировать более широкое использование, исследователи сделали BIOPREVENT бесплатным в виде веб-приложения. Клиницисты могут ввести клинические характеристики пациента и значения биомаркеров, чтобы получать персонализированные оценки риска с течением времени.
«После входа в приложение модель генерирует индивидуализированную оценку риска. Это обеспечивает более точный мониторинг и более раннее принятие клинических решений, приближая нас к персонализированному лечению», — сказал Пачесный. МНТ.
На данный момент исследователи отмечают, что BIOPREVENT предназначен для поддержки оценки риска и исследований, а не для непосредственного принятия решений о лечении.
Следующим шагом будут клинические испытания, чтобы определить, могут ли действия на ранние сигналы риска, такие как усиление мониторинга или предложение профилактической терапии пациентам из группы высокого риска, улучшить долгосрочные результаты.
Переход к точному уходу за трансплантатами
Исследование отражает более широкий сдвиг в сторону точной медицины в уходе за трансплантатами, где стратегии наблюдения и лечения адаптированы к индивидуальному профилю риска пациента. Инструмент искусственного интеллекта может раньше предоставлять врачам более качественную информацию, чтобы они могли принимать более обоснованные решения.
«Раннее прогнозирование меняет парадигму от реактивной помощи к превентивной», — объяснил Пачесны.
«Для пациентов это может означать более тщательный персонализированный мониторинг, если они относятся к группе высокого риска; более раннее терапевтическое вмешательство при первых едва заметных признаках; и, в конечном итоге, участие в упреждающих исследованиях, разработанных специально для людей из группы высокого риска», — сказал нам исследователь.
«Моим приоритетом является сотрудничество между учреждениями для запуска упреждающего исследования, в ходе которого пациенты из группы высокого риска получают один из одобренных в настоящее время нестероидных препаратов до того, как произойдет необратимый ущерб», — добавила она.
Хотя необходима дальнейшая проверка, прежде чем BIOPREVENT станет частью рутинной медицинской помощи, этот подход может представлять собой многообещающий шаг на пути к уменьшению одного из наиболее серьезных осложнений трансплантационной медицины.