基于机器学习集成模型的异基因造血干细胞移植后急性移植物抗宿主病预测新方法

本研究针对异基因造血干细胞移植(allo-HSCT)后急性移植物抗宿主病(aGVHD)预测难题，创新性地将免疫抑制剂环孢素A(CsA)暴露水平纳入机器学习模型。苏州大学附属第一医院团队通过15种算法构建集成模型，准确预测II-IV级aGVHD风险(AUC=0.776)，首次确定CsA最佳治疗窗(183-310 ng/mL)，为临床早期干预提供新工具。

　　

在血液系统疾病的治疗领域，异基因造血干细胞移植(allo-HSCT)犹如一把双刃剑——虽然能根治恶性血液病，却可能引发致命的急性移植物抗宿主病(aGVHD)。这种免疫并发症发生率高达20-80%，是移植相关死亡的首要原因。传统诊断依赖临床症状观察，往往错失干预良机。更棘手的是，现有预测模型忽视了一个关键因素：免疫抑制剂环孢素A(CsA)的暴露水平差异。这种药物代谢的个体差异性，使得单纯依靠用药剂量难以准确评估预防效果。

苏州大学附属第一医院的研究团队在《BMC Medical Informatics and Decision Making》发表的研究，开创性地将CsA药代动力学参数与机器学习技术结合。研究人员回顾性分析了479例allo-HSCT患者的47项临床指标，创新采用限制性立方样条(RCS)模型确定CsA最佳浓度范围，继而通过15种算法构建预测模型，最终筛选性能最优的5种算法(GradientBoosting、Adaboost等)建立集成模型。

关键技术包括：1）基于RCS模型的非线性剂量效应分析；2）递归特征消除(RFE)筛选预测因子；3）SHAP值可解释性分析；4）10折交叉验证。所有数据来自单中心2018-2019年接受allo-HSCT并完成100天随访的患者队列。

研究结果

1. CsA暴露-效应关系：
   通过RCS模型首次绘制出CsA浓度与aGVHD风险的"L型"曲线，发现<183 ng/mL时风险显著升高，>310 ng/mL后保护效应进入平台期。Kaplan-Meier分析证实，低浓度组(<183 ng/mL)的aGVHD发生率显著增高(Log rank=0.020)。

2. 预测模型性能：
   传统Cox模型AUC仅0.625，而新开发的集成模型表现优异：

• 区分度：AUC 0.776（提升24.6%）
• 准确率：72.9%
• 关键预测因子：除已知的供体来源、胆红素外，首次纳入喹诺酮类药物、尿素氮(BUN)、碱性磷酸酶(ALP)等新指标

1. 临床可解释性：
   SHAP分析揭示：

• 风险因素：单倍体相合供体(HIDs)、脐带血移植
• 保护因素：CsA浓度>183 ng/mL、熊去氧胆酸(UDCA)
• 剂量依赖性因素：糖皮质激素日剂量

这项研究具有三重突破意义：首先，确立了中国人群CsA最佳治疗窗(183-310 ng/mL)，解决了长期存在的剂量争议；其次，开发的集成模型较传统方法预测性能提升24.6%，且首次整合药物暴露参数；最后，发现的喹诺酮类药物关联等新线索，为机制研究指明方向。

临床转化方面，该模型可通过早期识别高风险患者实现精准干预，如对低CsA暴露者加强监测或调整方案。方法论上，研究示范了如何将药代动力学参数有机整合到人工智能模型中，为其他治疗领域的预测模型开发提供了范式。未来需通过多中心研究进一步验证，并探索III-IV级重度aGVHD的预测标志物。