びまん性大細胞Bリンパ腫の前向き観察研究 (LBDGCréfract)

原発性難治性疾患は、DLBCL と診断された患者の約 30 ～ 40% に影響を及ぼしており、予後不良のため、この疾患の管理が困難となっています。 難治性状態の予測は、早期介入を可能にする治療戦略に非常に役立つ可能性があります。 実際、現在では、サルベージ化学療法や自家HSCT、標的療法、CAR T細胞療法など、患者や疾患の特徴に応じていくつかの選択肢が利用可能です。 教師あり機械学習技術は医療の状況で結果を予測できるため、この問題には非常に適していると思われます。

現在、臨床医の意思決定をサポートするのに十分な効率の統計モデルがないため、機械学習を使用した私たちのアプローチは特に興味深いと思われます。 したがって、我々は以前の研究で、アルゴリズムが患者の医療記録の構造化データから疾患の難治性状態を予測するのに効果的であることを示した。 利用可能な効果的な救済療法が多数あるため、患者の治療経路に迅速に介入することが正しい選択肢であり、毒性を軽減しながら治癒の可能性を最大化する最も個別化された方法であると思われます。 医師の臨床判断と最良のアルゴリズム予測に基づいて、医師は原発性難治性 DLBCL の早期治療戦略を選択できます。

我々は以前の研究で、検証セットで難治性疾患を予測するための 2 つの興味深いモデル (NBC と XGBoost) を発見しました。 機械学習技術の応用は、DLBCL 患者の管理に大きく貢献できます。 これらのアルゴリズムは、臨床医が治療戦略に関して情報に基づいた意思決定を行うのを支援する可能性を秘めており、各患者に基づいた治療の個別化が可能になります。 これらの発見をより広範なスケールで検証するために、この研究は前向きコホートでの結果と、DLBCL患者の原発性難治性疾患の複雑な管理におけるこの技術の価値を確認することができました。