Prospektiv observationsundersøgelse af diffust storcellet B-lymfom (LBDGCréfract)

Primær refraktær sygdom påvirker cirka 30-40% af patienter diagnosticeret med DLBCL og er en udfordring i behandlingen af ​​denne sygdom på grund af dens dårlige prognose. Forudsigelsen af ​​refraktær status kan være meget nyttig i behandlingsstrategien, der tillader tidlig intervention. Faktisk er der nu flere muligheder tilgængelige afhængigt af patient- og sygdomskarakteristika, såsom redningskemoterapi og autolog HSCT, målrettede terapier eller CAR T-celleterapi. Overvågede maskinlæringsteknikker er i stand til at forudsige resultater i en medicinsk kontekst og virker derfor meget velegnede til denne sag.

Vores tilgang med maskinlæring virker særligt interessant, fordi der i øjeblikket ikke er nogen statistiske modeller, der er effektive nok til at yde beslutningsstøtte til klinikere. Vi viser derfor i et tidligere studie, at algoritmer kan være effektive til at forudsige sygdommens refraktære status ud fra strukturerede data fra patientens journal. På grund af det store antal tilgængelige og effektive redningsterapier, synes hurtig indgriben i patientens terapeutiske vej at være den rigtige mulighed og den mest personlige måde at maksimere chancerne for helbredelse og samtidig reducere toksicitetsmulighederne. Baseret på lægers kliniske vurdering og de bedste algoritmer forudsigelser, kunne lægen vælge en tidlig behandlingsstrategi for primær refraktær DLBCL.

Vi fandt i en tidligere undersøgelse to interessante modeller (NBC og XGBoost) til at forudsige refraktær sygdom på valideringssættet. Anvendelsen af ​​maskinlæringsteknikker kan bidrage væsentligt til håndteringen af ​​DLBCL-patienter. Disse algoritmer rummer potentialet til at hjælpe klinikere med at træffe informerede beslutninger vedrørende behandlingsstrategier, hvilket giver mulighed for personalisering af terapier baseret på hver patient. For at validere disse resultater i en bredere skala kunne denne undersøgelse bekræfte resultaterne i en prospektiv kohorte og værdien af ​​denne teknologi i den komplicerede behandling af primær refraktær sygdom hos DLBCL-patienter.