《npj Digital Medicine》：Development and explainable AI-driven characterization of a prognostic model for haploidentical transplantation outcomes
编辑推荐：
在单倍体相合造血干细胞移植（HCT）中，如何精准评估预后并进行供者选择是临床核心难题。本研究利用可解释人工智能（AI）技术，基于668例患者的队列，构建了预后模型。研究揭示了供者年龄的非线性“U”型影响（最佳为20s末至40s初），并明确了HLA-DPB1非允许性错配为关键风险因素。模型可有效分层患者风险，模拟分析证实优化供者选择可显著提升生存率，为个体化移植策略提供了数据驱动框架。
对于许多血液系统恶性肿瘤和难治性血液病的患者来说，造血干细胞移植（Hematopoietic Cell Transplantation, HCT）是可能治愈的希望。然而，找到一位人类白细胞抗原（HLA）完全相合的同胞供者并非易事。幸运的是，单倍体相合（即“半相合”）的亲属供者（如父母、兄弟姐妹）为几乎所有患者都提供了移植机会。随着移植后环磷酰胺（Post-Transplantation Cyclophosphamide, PTCy）等预防方案的广泛应用，单倍体相合移植的疗效已大幅提升，使其成为一种常规选择。
但新的问题随之浮现：当一位患者有多个潜在的单倍体相合亲属供者可选时，医生该如何抉择？是选择更年轻的子女，还是更年长但更健康的父母？除了年龄，HLA配型中复杂的位点错配，哪个对患者长期生存的影响更大？目前，临床决策仍缺乏一个清晰、量化且基于现代移植数据的选择框架。传统统计方法难以捕捉像供者年龄与预后之间可能存在的复杂非线性关系，也无法直观呈现不同风险因素的重要性“排行榜”。
为此，一项发表于《npj Digital Medicine》的研究给出了创新答案。研究人员利用先进的、可解释的人工智能（AI）技术，开发了一个全新的预测模型，旨在为单倍体相合移植的供者选择提供一张精密的“导航图”。他们汇集了一家中心2015年至2024年间668例接受PTCy预防方案的单倍体相合移植患者数据，将患者的生存结局与一系列供受者特征（如年龄、HLA配型细节等）关联起来。研究没有使用难以窥探内部的“黑箱”模型，而是采用了梯度提升机（Gradient Boosting Machine）结合可解释AI技术，如部分依赖图（Partial Dependence Plots）和代理决策树（Surrogate Decision Trees）。这些技术不仅能做出预测，更能像X光一样，透视出各个因素如何影响预后。
关键技术方法
本研究为回顾性队列研究。核心队列来自单一中心2015-2024年接受PTCy预防的668例单倍体相合HCT患者。研究采用梯度提升机构建预后模型，并以总体生存（Overall Survival, OS）为主要终点。模型的可解释性通过部分依赖图和代理决策树实现，用以量化并可视化各预测变量的非线性效应与交互作用。统计评估通过时间依赖性AUC和校准曲线进行。最后，通过模拟分析量化了优化供者选择对患者风险分层改变的潜在影响。
研究结果
1. 供者年龄呈现“U”型非线性效应，存在最佳区间
模型分析揭示了一个反直觉且传统线性模型难以捕捉的现象：供者年龄对患者生存的影响并非简单的“越年轻越好”，而是一个明显的“U”型曲线。具体而言，供者年龄在20s末至40s初（大约28岁至42岁）这个区间的患者，有着最佳的生存预后。年龄过小（如<20岁）或年龄偏大（如>50岁）的供者，都与患者生存率下降相关。这一发现挑战了单纯追求“最低供者年龄”的临床直觉，提示可能存在生物学上的“黄金”供者年龄段。
2. 受体年龄是主导风险因素，但受供者年龄与HLA因素调节
分析确认，受体（患者）的年龄是影响生存的最强风险因素，年龄越大，风险越高。然而，这种风险并非固定不变。可解释AI模型显示，受体年龄的风险效应会受到供者年龄和HLA错配因素的共同调节。这意味着，对于一个高龄患者，如果能够选择一个处于最佳年龄区间且HLA配型良好的供者，其过度风险有望被部分抵消。
3. HLA错配因素存在明确的重要性层次
研究首次在PTCy时代的单倍体相合移植中，清晰勾勒出不同HLA位点错配的重要性排序：
- •
最重要的HLA因素：HLA-DPB1位点的非允许性错配。这是最具破坏性的HLA因素，与患者3年总体生存率降低9.6%显著相关。
- •
次要关键因素：HLA-B leader序列的错配与HLA-DQB1位点的错配，也对生存有显著的负面影响。
- •
无独立影响的因素：令人意外的是，在纳入其他重要变量后，传统的HLA-DRB1位点错配在本模型中没有显示出独立的预后影响。这为临床HLA配型优先级的考量提供了新的重要依据。
4. 模型可精准风险分层，优化供者选择可实质性改善预后
基于模型计算的风险评分，研究人员成功将患者分为四个风险等级（四分位数）。不同等级患者的3年生存率差异巨大：从最低风险组的75%以上，骤降至最高风险组的20%以下。为了将模型价值从预测转化为实践，研究进行了关键的模拟分析：假设为一个给定风险分层的患者（例如处于第三四分位数Q3、预计3年生存率约20%的患者），虚拟地匹配一位“理想供者”（年龄30岁，且避开上述关键HLA错配）。模拟结果显示，这种优化选择可以将该患者的风险评分降低约一个完整四分位数的幅度，使其3年生存率预估提升至50%左右。这用数据强有力地证明，基于模型的理性供者选择能带来临床预后的实质性飞跃。
研究结论与意义
本研究成功构建并验证了一个基于可解释AI的单倍体相合HCT预后模型。它超越了传统统计方法，揭示了供者年龄与生存之间复杂的非线性“U”型关系，并首次在PTCy背景下明确了HLA错配因素的层次结构（HLA-DPB1 > HLA-B leader > HLA-DQB1）。该模型不仅能高精度地预测患者风险、进行分层，其最终的模拟分析更将模型价值从“预测”推向“决策支持”，直观展示了优化供者选择可能带来的生存获益幅度。这项工作为现代单倍体相合移植的临床实践提供了一个可直接应用的、数据驱动的个性化供者选择框架，使医生在面对多位潜在亲属供者时，能够做出更精细、更量化的决策，从而有望整体提升移植患者的长期生存率。当然，该模型源于单中心数据，其普适性仍需未来多中心研究加以验证。
