Разработка и объясняемая ИИ-характеризация прогностической модели исходов при гаплоидентичной трансплантации

Почему важно правильно выбрать донора

Для людей с тяжёлыми заболеваниями крови пересадка стволовых клеток от частично совпадающего члена семьи может спасти жизнь. Благодаря современным препаратам, подавляющим иммунный ответ, сейчас почти у каждого пациента есть несколько родственников, которые могли бы стать донорами. Но этот успех породил новую проблему: когда возможных доноров много, как врачам выбрать того, кто даст пациенту наилучший шанс на долгосрочное выживание? В этом исследовании используется «объяснимая» форма искусственного интеллекта, которая превращает тысячи точек данных из 668 пересадок в простой, практичный инструмент для выбора наиболее безопасного донора.

Взгляд на трансплантации в реальной клинике

Исследователи проанализировали каждого пациента, получившего полусовпадающую (гаплоидентичную) трансплантацию стволовых клеток с применением стандартной иммуноподавляющей комбинации препаратов в крупном онкологическом центре в период с 2015 по 2024 год. Большинство пациентов больны острым миелоидным лейкозом или близкими заболеваниями костного мозга, были в возрасте около пятидесяти лет и прошли интенсивную химиотерапию перед трансплантацией. Донорами чаще всего были родственники средних тридцати лет, и большая часть трансплантатов поступала из костного мозга, а не из периферической крови. Команда собрала данные о возрасте пациентов, тяжести заболевания, сопутствующих состояниях, возрасте доноров и тонких различиях тканевого типа, известных как несовпадения HLA, а затем загрузила всё это в модель машинного обучения, предсказывающую выживаемость во времени.

Что на самом деле значит возраст доноров и пациентов

Многие ранние исследования рассматривали возраст донора по простому правилу «моложе — лучше». Новая модель показала более тонкую картину. Она выявила U-образную зависимость между возрастом донора и риском смерти: результаты были наилучшими, когда донорам было от конца двадцатых до начала сороковых, и ухудшались как для очень молодых, так и для пожилых доноров. Возраст пациента, однако, оказывал постоянно усиливающееся влияние — риск резко рос после примерно 40 лет и доминировал в общей картине. Тепловая карта возрастов донора и пациента показала, что наиболее опасными сочетаниями были пожилые пациенты с пожилыми донорами, тогда как у молодых пациентов с донорами в конце двадцатых — начале сороковых риск был наименьшим. Это означает, что возраст донора нельзя оценивать в отрыве — его эффект сильно зависит от того, кто является реципиентом.

Скрытое влияние тканевого соответствия

Помимо возраста, модель изучала, как конкретные несовпадения HLA между донором и реципиентом влияют на выживаемость. Виртуально удерживая все прочие факторы постоянными и меняя по одному свойству за раз, исследователи выявили чёткий рейтинг. Самым вредным несовпадением оказалась область HLA-DPB1, когда она попадала в категорию высокого риска, снижая прогнозируемую трёхлетнюю выживаемость почти на 10 процентных пунктов. Несовпадения в лидерной последовательности HLA-B и в области HLA-DQB1 также ухудшали исходы, хотя в несколько меньшей степени. Удивительно, но одна из часто отслеживаемых областей, HLA-DRB1, не имела независимого эффекта после учёта DQB1, что указывает на то, что большая часть риска в этом участке связана именно с DQB1. Новый способ группировки различий HLA, основанный на том, как белки связывают короткие фрагменты, немного превосходил старые правила соответствия и переквалифицировал некоторые пары «несовпадающих» доноров как более безопасные, чем считалось ранее.

Разделение пациентов на группы риска

Используя полный набор входных данных, модель ИИ присвоила каждому пациенту непрерывный скор риска и затем разделила группу на четыре квартиля от наименьшего к наибольшему риску. Разделение реальных исходов было поразительным: около трёх четвертей пациентов в самом безопасном квартиле были живы через три года, по сравнению с менее чем одним из пяти в самом рискованном. Пациенты в наивысшем квартиле риска, как правило, были старше, имели более агрессивное заболевание и больше сопутствующих болезней. Чтобы сделать сложную модель применимой у постели больного, команда обучила простое дерево решений, которое свело ключевой вывод к следующему: более молодые люди с менее продвинутым заболеванием и меньшим количеством других проблем со здоровьем находятся в более безопасной группе, тогда как пожилые, более тяжело заболевшие пациенты с множеством сопутствующих состояний сталкиваются с гораздо более высоким риском независимо от выбора донора.

Как лучший донор может изменить шансы

Затем исследователи задали практический вопрос: исходя из базового риска пациента, насколько сильно грамотный выбор донора может помочь? Они провели компьютерные симуляции, сравнив «лучший» донор — примерно 30 лет без высокорисковых несовпадений HLA — с «худшим» донором — около 50 лет со всеми ключевыми несовпадениями. Для многих пациентов, особенно в средних группах риска, выбор лучшего донора смещал их риск примерно на один квартиль. Например, типичный пациент со средним риском мог увидеть рост прогнозируемой трёхлетней выживаемости с примерно 20% до 50%. Даже среди тех, кто находился в группе наивысшего риска, оптимальный донор утроил шансы выжить через три года — с примерно 10% до 30%. Подробная проверка чувствительности показала, что избегание самых опасных несовпадений HLA имело ещё более важное значение, чем точная подстройка возраста донора.

Что это значит для пациентов и врачей

Эта работа показывает, что в современных полусовпадающих трансплантациях стволовых клеток основными драйверами исходов по-прежнему остаются характеристики пациента и стадия его заболевания. Тем не менее выбор донора остаётся мощным рычагом — особенно избегание определённых высокорисковых тканевых несовпадений и предпочтение доноров около тридцати лет. Объединив большие клинические данные с объяснимой моделью ИИ, исследование предлагает врачам прозрачный, основанный на данных способ ранжировать потенциальных семейных доноров и оценивать, насколько лучшее соответствие может улучшить выживаемость. Хотя эти выводы требуют подтверждения в многоцентровых исследованиях, они указывают на будущее, в котором выбор донора будет руководствоваться не простыми эмпирическими правилами, а персонализированными прогнозами риска, которые можно ясно объяснить как клиницистам, так и пациентам.

Цитирование: Mehta, R.S., Aljawai, Y.M., Kebriaei, P. et al. Development and explainable AI-driven characterization of a prognostic model for haploidentical transplantation outcomes. npj Digit. Med. 9, 302 (2026). https://doi.org/10.1038/s41746-026-02377-z

Ключевые слова: гаплоидентичная трансплантация, выбор донора, объяснимая искусственная интеллекту, несовпадение HLA, исходы трансплантации стволовых клеток