论文部分内容阅读
背景:急性髓系白血病(Acute Myeloid Leukemia,AML)是一种起源于髓系造血干/祖细胞的恶性疾病,以骨髓及外周血中原始和幼稚细胞异常克隆为主要特征,使正常造血受到抑制并浸润其他器官和组织。多数病例病情危重,预后凶险,死亡率高。AML发生率在儿童恶性肿瘤中排名第5,但是死亡率却排名第2。在过去几十年里,通过不断的强化治疗及优化分层治疗,小儿AML的5年生存率提高到70%,但其中约30%的患者会复发,5%-10%会死亡。所以仍需要更多的方法来提高生存率。目前判断预后的方式主要是根据患者细胞遗传学和分子生物学进行风险分层,对于儿童AML患者,风险分层主要依赖于细胞遗传学、分子生物学和诱导治疗后微小残留病灶。然而患者另一些临床特征,例如年龄,种族,诱导治疗后疗效、白细胞计数、靶向治疗情况等同样影响着儿童AML患者的结局。所以传统上应用AML常见的染色体和分子生物学判断预后仍较为单一,如何综合各种影响因素精准判断AML患者预后情况尤为重要。据此设计本课题,为儿童AML分层治疗提供重要的参考价值。目的:分析与儿童急性髓系白血病患者预后有关的影响因素,运用人工神经网络(Artificial Neural Network,ANN)模型建立预测儿童AML患者5年生存状态的预后模型,并与传统的logistic回归预测模型相比较,评价模型的预测性能。方法:从公共数据库TARGET中下载关于儿童AML患者的临床数据,筛选出年龄、性别、骨髓原始细胞比例、FAB分型、染色体核型、基因突变、靶向治疗等重要临床数据均详细的病例共589例。应用Kaplan-Meier法、独立样本T检验等方法进行单因素分析,筛选影响预后的危险因素,并建立ANN预测模型;再应用二元logistic多因素分析筛选影响预后的独立影响因素并建立logistic回归模型;应用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)作为评价指标来比较两种方法对于评价儿童AML患者5年预后模型的性能。结果:1.对589例患者回顾性分析,单因素分析结果可以得出:年龄、种族、FAB分型、有无绿色瘤、无事件生存期、染色体核型风险分层、核型复杂性分组、是否有融合基因、第1次诱导治疗CR情况与第2次诱导治疗CR情况这10项是儿童AML患者5年预后的影响因素(P<0.05)。性别、初诊白细胞计数、原始骨髓细胞比例、外周原始细胞比例、是否合并中枢系统白血病、FLT3/ITD突变、NPM1突变、CEBPA突变、WT1突变、第1次诱导治疗后MRD情况、第2次诱导治疗后MRD情况、是否应用吉妥珠单抗这12项与儿童AML患者5年预后无明显相关(P>0.05)。2.无事件生存期、第2个诱导治疗后是否获得完全缓解(Complete Response,CR)、风险分层是儿童AML患者5年生存预后的独立影响因素。3.Logistic回归模型准确的为81.3%,灵敏度82.10%,特异度81.9%,曲线下面积(Area Under Curve,AUC)值0.82,人工神经网络模型的准确度为91.8%,灵敏度98.64%,特异度82.6%,AUC值为0.901。总体可以判断出人工神经网络模型对儿童AML患者5年预后的预测效果更佳。结论:1.无事件生存期、细胞遗传学预后分层、第2次诱导治疗CR情况是影响儿童AML患者5年预后的独立影响因素。2.本研究成功运用ANN模型建立了儿童AML患者5年预后的预测模型,并且和Logistic回归模型相比,预测性能优于传统logistic回归模型。3.人工神经网络模型可以综合与患者预后相关的影响因素,对患者预后进行个体化预测,有利于精准治疗。