Mô hình AI hỗ trợ phát hiện sớm biến chứng sau cấy ghép

Công cụ AI dự đoán nguy cơ bệnh GVHD sau cấy ghép

Công nghệ trí tuệ nhân tạo (AI) đang mở ra những triển vọng mới trong việc dự đoán nguy cơ phát triển bệnh ghép chống chủ mãn tính (GVHD) cũng như tử vong liên quan đến cấy ghép sau khi thực hiện các thủ tục cấy ghép tế bào gốc hoặc tủy xương. Công cụ AI này kết hợp giữa các dấu hiệu sinh học và các yếu tố lâm sàng để đưa ra dự đoán chính xác hơn so với chỉ dựa vào dữ liệu lâm sàng đơn thuần, đặc biệt là trong việc dự đoán tỷ lệ tử vong sau cấy ghép.

Hệ thống này phân loại bệnh nhân thành các nhóm có nguy cơ thấp và cao, cho thấy sự khác biệt rõ rệt trong kết quả lên đến 18 tháng sau khi cấy ghép. Đáng chú ý, mô hình máy học này đã được xác thực trên một nhóm bệnh nhân độc lập và hiện có sẵn dưới dạng ứng dụng web miễn phí nhằm hỗ trợ đánh giá rủi ro và nghiên cứu.

Thủ tục cấy ghép và những nguy cơ tiềm ẩn

Các thủ tục cấy ghép này bao gồm việc thu thập tế bào từ người hiến tặng (cấy ghép đồng loại) hoặc sử dụng tế bào của chính bệnh nhân (cấy ghép tự thân). Cấy ghép có thể mang lại cơ hội sống cho nhiều người, tuy nhiên, quá trình hồi phục không chỉ dừng lại khi bệnh nhân rời khỏi bệnh viện. Các biến chứng tiềm ẩn có thể dẫn đến tử vong liên quan tới điều trị, mà GVHD thường là nguyên nhân chính.

Mặc dù những tiến bộ trong chăm sóc cấy ghép đã cải thiện tỷ lệ sống sót, GVHD vẫn là nguyên nhân hàng đầu gây ra bệnh tật và tử vong muộn sau cấy ghép tủy xương đồng loại. Việc dự đoán ai sẽ gặp phải GVHD và ai không gặp phải là rất khó khăn, nhưng có bằng chứng cho thấy từ một nửa đến một phần ba những người nhận cấy ghép đồng loại sẽ phát triển một số triệu chứng của GVHD.

Khó khăn trong việc ngăn ngừa GVHD

GVHD có thể xuất hiện ngay sau khi cấy ghép, gọi là GVHD cấp tính, hoặc phát sinh nhiều tháng sau đó, được gọi là GVHD mãn tính. Việc ngăn ngừa GVHD thường khó khăn vì điều này thường liên quan đến việc cân bằng giữa việc ức chế miễn dịch để ngăn ngừa GVHD mà không làm tăng nguy cơ nhiễm trùng, và phòng ngừa các phản ứng bất lợi từ các liệu pháp này.

Công cụ BIOPREVENT: Dự đoán sớm nguy cơ cGVHD

Một nghiên cứu gần đây đã mô tả một mô hình máy học có khả năng ước lượng nguy cơ phát triển cGVHD và tử vong liên quan đến cấy ghép trước khi các triệu chứng xuất hiện. Nhóm nghiên cứu đã phát triển công cụ AI mang tên BIOPREVENT, phân tích dữ liệu từ 1,310 người nhận cấy ghép được tham gia trong bốn nghiên cứu đa trung tâm lớn.

Nhóm nghiên cứu đã tập trung vào các mẫu máu được thu thập từ 90 đến 100 ngày sau cấy ghép. Tiến sĩ Sophie Paczesny, tác giả chính của nghiên cứu, cho biết khoảng thời gian này là thời điểm quan trọng khi bệnh nhân có thể cảm thấy ổn nhưng hoạt động miễn dịch bên trong có thể đã bắt đầu dẫn đến các biến chứng.

Khả năng dự đoán của mô hình AI

Nhóm nghiên cứu đã phát hiện rằng bệnh không bắt đầu khi triệu chứng xuất hiện mà bắt đầu âm thầm. Họ đã giả thuyết rằng khoảng ngày thứ 90 đến ngày thứ 100 có thể có một giai đoạn âm thầm của cGVHD có thể được phát hiện trước khi nó trở nên rõ ràng về mặt lâm sàng. Dữ liệu của họ cho thấy rằng việc sử dụng máy học kết hợp với các dấu hiệu sinh học có thể xác định nguy cơ khoảng 2 đến 8 tháng trước khi chẩn đoán chính thức, tạo ra cơ hội cho các hành động sớm hơn.

Đánh giá và xác thực mô hình AI

Kết quả nghiên cứu cho thấy việc kết hợp dữ liệu dấu hiệu sinh học với thông tin lâm sàng đã cải thiện đáng kể khả năng dự đoán tỷ lệ tử vong liên quan đến cấy ghép so với việc chỉ sử dụng dữ liệu lâm sàng. Quan trọng là nhóm nghiên cứu đã xác thực mô hình AI trong một nhóm độc lập của những người nhận cấy ghép, xác nhận rằng công cụ này có thể dự đoán rủi ro một cách đáng tin cậy vượt xa nhóm bệnh nhân mà nó được xây dựng.

BIOPREVENT cũng thành công trong việc phân loại bệnh nhân thành các nhóm nguy cơ thấp và cao, cho thấy sự khác biệt rõ rệt trong kết quả lên đến 18 tháng sau cấy ghép.

Ứng dụng BIOPREVENT trong thực tế lâm sàng

Để khuyến khích việc sử dụng rộng rãi, các nhà nghiên cứu đã làm cho BIOPREVENT trở thành một ứng dụng web miễn phí. Các bác sĩ có thể nhập các đặc điểm lâm sàng và giá trị dấu hiệu sinh học của bệnh nhân để nhận được các ước lượng rủi ro cá nhân theo thời gian. Khi được nhập vào ứng dụng, mô hình sẽ tạo ra một điểm số rủi ro cá nhân hóa, cho phép theo dõi chính xác hơn và ra quyết định lâm sàng sớm hơn, tiến gần hơn đến việc chăm sóc cá nhân hóa.

Mặc dù BIOPREVENT hiện được thiết kế để hỗ trợ đánh giá rủi ro và nghiên cứu hơn là hướng dẫn quyết định điều trị trực tiếp, bước tiếp theo sẽ là các thử nghiệm lâm sàng để xác định liệu hành động dựa trên các tín hiệu rủi ro sớm có thể cải thiện kết quả lâu dài hay không.

Hướng tới y học chính xác trong chăm sóc cấy ghép

Nghiên cứu này phản ánh sự chuyển đổi rộng rãi hơn sang y học chính xác trong chăm sóc cấy ghép, nơi các chiến lược theo dõi và điều trị được điều chỉnh theo hồ sơ rủi ro cá nhân của bệnh nhân. Công cụ AI có thể cung cấp cho các bác sĩ thông tin tốt hơn sớm hơn, giúp họ đưa ra quyết định sáng suốt hơn.

Việc dự đoán sớm sẽ chuyển đổi từ chăm sóc phản ứng sang chăm sóc dự phòng. Đối với bệnh nhân, điều này có thể có nghĩa là theo dõi cá nhân hóa chặt chẽ hơn nếu họ có nguy cơ cao, can thiệp điều trị sớm hơn khi có dấu hiệu tinh tế đầu tiên, và cuối cùng là tham gia vào các thử nghiệm dự phòng được thiết kế đặc biệt cho những cá nhân có nguy cơ cao.

Mặc dù cần có thêm xác thực trước khi BIOPREVENT trở thành một phần của quá trình chăm sóc thường quy, nhưng phương pháp này có thể đại diện cho một bước tiến hứa hẹn trong việc giảm thiểu một trong những biến chứng nghiêm trọng nhất của y học cấy ghép.