基于 AI 的模型对 CML 中一线 TKI 疗法进行了优化选择

　　基于人工智能的模型可能有助于为新诊断的慢性期慢性粒细胞白血病 (CML-CP) 患者选择最佳的一线酪氨酸激酶抑制剂 (TKI) 疗法。这些来自回顾性分析的发现发表在美国血液学杂志上。

　　长期使用 BCR-ABL1 TKI，如伊马替尼、达沙替尼、尼罗替尼或波纳替尼，已在大多数 CML-CP 患者中产生了深度和持久的反应。然而，来自临床试验的数据表明，相当一部分患有该疾病的患者在某个时候需要改用替代的 BCR-ABL1 TKI。目前，一线和后续 TKI 治疗的选择通常基于主观标准。

　　在这项研究中，一种称为白血病人工智能计划 (LEAP) 的机器学习辅助方法用于促进与 CML-CP 患者的一线 BCR-ABL1 TKI 选择相关的决策。

　　该分析包括 630 名新诊断的 CML-CP 患者，这些患者参加了 2000 年 7 月 30 日至 2014 年 11 月 25 日期间在德克萨斯州休斯顿 MD 安德森癌症中心进行的一线 BCR-ABL1 TKI 治疗前瞻性研究。

　　在这些患者中，504 人被纳入了 LEAP 模型开发的训练/验证队列，126 人被纳入了使用 LEAP 模型对最佳 TKI 治疗进行个体化评估的测试队列。

　　LEAP 模型是使用 101 个变量开发的，包括与患者相关的因素，如疾病诊断年龄、身高、体重、骨量指数、性别、种族、婚姻状况、合并症和居住区。基于实验室的参数包括外周血样本，如白细胞和红细胞计数、血小板计数、血红蛋白水平和不同类型白细胞的百分比。此外，骨髓中不同类型白细胞的原始细胞水平和水平;费城染色体异常变异;BCR-ABL1 转录本类型和水平;根据 Sokal、Hosford 和欧洲治疗和结果研究 (EUTOS) 分类方案确定的风险评分;一线 TKI 治疗的每日剂量以及许多其他因素也包括在内。

　　研究人员解释说，“LEAP CML-CP 模型的性能是通过计算测试队列中治疗的总生存率 [OS] 的风险比来评估的。风险比最低的治疗方案被认为是个体患者的最佳治疗方案。”

　　在整个组的中位随访 139 个月时，一项关键研究发现是，接受 LEAP 推荐 TKI 的测试组(n=94)患者的 5 年 OS 率为 98%，而在32 名接受非 LEAP 推荐 TKI 治疗的患者 (P<.001)。

　　此外，在多变量分析中，LEAP 模型推荐与改善的 OS 独立相关(风险比 [HR]，0.280;95% CI，0.087-0.895;P=.032)。诊断时的年龄和合并症负担也是 OS 的独立预后因素。

　　“LEAP CML-CP 有可能支持患者、护理人员和医生提供个性化治疗建议，并有助于进一步改善 CML-CP 患者的临床结果，”研究人员表示。

　　他们进一步补充说，“鉴于在患有 CML-CP 等相对罕见疾病的特定患者亚组中进行随机临床试验的不切实际，这种方法可能为基于个体患者独特的个性化治疗建议的新时代铺平道路。临床、社会地理人口学、生物学、染色体和分子特征。”

　　尽管在为一线 TKI 治疗反应不佳的患者选择替代 TKI 疗法时，这种类型的模型也可能用作辅助手段，但研究人员澄清说，需要与这种临床情况相对应的一组不同的患者在此设置中评估模型。

扫码添加医学顾问微信了解更多，在线解答一对一贴心服务！
了解更多普纳替尼详情请访问：医康行海外医疗机构:www.yikangxing.com
医学顾问微信：yikangxing08