机器学习方法在儿童急性白血病中识别急性移植物抗宿主病关键预测因子研究

《Transplant Immunology》：Identification of key predictors of acute GVHD in pediatric acute Leukemia using machine learning methods

本文创新性地应用随机森林（RF）、逻辑回归（LR）和Boruta算法等机器学习方法，识别出受体年龄、体重及供体年龄等儿童急性白血病患者发生急性移植物抗宿主病（aGVHD）的关键预测因子，为优化造血细胞移植（HCT）后风险分层和预防策略提供了新视角。

　　

结果

研究发现，急性移植物抗宿主病（aGVHD）组与非aGVHD组在受体年龄（p = 0.002）、受体体重（p = 0.02）、供体年龄（p = 0.01）、等位基因错配（p = 0.01）、抗原错配（p = 0.01）以及受体巨细胞病毒（CMV）状态（p = 0.04）方面存在显著差异。通过随机森林（RF）和Boruta进行的特征重要性分析确定受体年龄、体重和供体年龄是aGVHD最具影响力的预测因子。逻辑回归（LR）分析则突出了受体Rh阳性状态和供体B血型作为额外的相关因素，提供了一个互补的视角。这些发现可能有助于aGVHD的风险评估和预防策略的制定。

结论

机器学习方法有效识别了aGVHD的重要预测因子，证明了其在改善移植后护理和预防方案方面的潜力。我们的结果强调了aGVHD病因的复杂性，表明其发展涉及多种因素。进一步的研究应侧重于将这些发现整合到临床实践中，以改善患者预后。