Прогнозирование неблагоприятных событий для стратификации риска при мобилизации стволовых клеток на основе химиотерапии при множественной миеломе

Почему это важно для пациентов и больниц

Онкологическая помощь все сильнее нагружает вместимость больниц, особенно у людей с множественной миеломой, которым часто требуются интенсивные вмешательства. Один из ключевых этапов терапии — сбор стволовых клеток после химиотерапии, чтобы впоследствии провести аутологическую трансплантацию. Сегодня этот этап обычно полностью проходит в стационаре для мониторинга осложнений, однако это занимает койки на много дней. В этом исследовании ставится практический вопрос с большими последствиями: какую часть этого процесса можно безопасно перевести в амбулаторные условия и могут ли данные и методы машинного обучения помочь врачам решать, кто действительно должен оставаться в больнице и когда?

Как сегодня собирают стволовые клетки

У подходящих пациентов с множественной миеломой высокодозная химиотерапия с последующей реинфузией собственных стволовых клеток остается краеугольным камнем лечения. Перед этой трансплантацией необходимо «мобилизовать» клетки из костного мозга в кровоток, а затем собрать их. В этом исследовании, проведенном в немецкой университетской клинике, 109 пациентов прошли мобилизацию на основе химиотерапии с общепринятыми комбинациями препаратов, за которой следовали ежедневные инъекции, стимулирующие выход стволовых клеток. Почти у всех пациентов — у 97 процентов — сбор в итоге оказался успешным, обычно завершавшимся за один–два дня. Тем не менее большинство оставалось в стационаре с начала химиотерапии до завершения сбора, занимая койки в среднем почти две недели.

Осложнения и их время наступления

Хотя сам сбор проходил успешно, побочные эффекты были частыми. Примерно у двух третей пациентов случалось по крайней мере одно серьезное осложнение, обычно требующее госпитализации, такое как лихорадка на фоне нейтропении, выраженная анемия, требующая переливания, или проблемы с почками, требующие внутривенного введения жидкости. Лихорадка в период низкой иммунной защиты была основной причиной нахождения в стационаре. Важно, что время наступления тяжелых проблем распределялось в двух четких кластерах: небольшая группа испытывала ранние осложнения в первые три дня, часто связанные с сопутствующими заболеваниями; гораздо большая группа развивала осложнения позже, обычно примерно через неделю или более после начала лечения. Такая «бимодальная» картина указывала на возможность безопасного периода, в течение которого многих пациентов можно было бы оставлять дома в начале процесса.

Моделирование перехода к более амбулаторной помощи

Затем исследователи построили простые модели, чтобы на бумаге протестировать разные стратегии госпитализации. Они сравнили текущий подход — госпитализация всех до химиотерапии с пребыванием до завершения сбора — со сценариями, в которых пациенты без ранних признаков риска сначала оставались бы дома и приезжали в больницу в заранее установленный более поздний день, например на пятый день, либо лишь в случае развития осложнений. Во множестве сценариев число дней занятых койками сократилось драматически. Даже осторожная стратегия с относительно ранней госпитализацией и консервативными допущениями по лихорадкам уменьшала использование коек примерно на треть. Более амбициозные подходы, при которых некоторые проблемы — например легкие изменения функции почек или отдельные эпизоды лихорадки — также управлялись бы амбулаторно, в моделях снижали общее использование коек до 90 процентов, не меняя саму медицинскую схему лечения.

Использование данных для прогнозирования риска

Чтобы поддержать такой переход, команда испытала методы машинного обучения, использующие рутинную информацию — например возраст, функцию почек, показатели крови и детали лечения — для прогнозирования, какие пациенты впоследствии разовьют серьезные побочные эффекты и когда это может произойти. Они разработали двухэтапную схему: сначала классификатор для оценки вероятности наступления серьезного события вообще; затем модель времени для оценки дня его начала у лиц с риском. Модели показали очень хорошую работу для некоторых осложнений, таких как ухудшение почечных показателей или необходимость в переливании крови, и менее точные результаты для других, особенно для лихорадки, где прогнозирование было умеренным. В целом лучшие модели могли оценить начало первого серьезного осложнения с средней ошибкой чуть более одного дня, что свидетельствует о том, что по мере накопления больших наборов данных будут возможны более точные персонализированные планы госпитализации.

Что это значит в дальнейшем

Эта работа показывает, что мобилизация стволовых клеток на основе химиотерапии при множественной миеломе по сути не требует длительного полного стационарного пребывания для большинства пациентов. Поскольку тяжелые осложнения склонны возникать либо очень рано, либо через несколько дней, тщательно спроектированные амбулаторные программы — с близким лабораторным мониторингом, четкими триггерами для быстрой госпитализации и инструментами оценки риска на основе данных — могут безопасно переместить большую часть процесса из больницы. Это освободит дефицитные койки, вероятно улучшит качество жизни пациентов, предпочитающих оставаться дома, и предложит модель использования предиктивных инструментов для организации других высокорисковых онкологических процедур более эффективно.

Цитирование: Schwarz, F., Levien, L., Maulhardt, M. et al. Predicting adverse events for risk stratification of chemotherapy based stem cell mobilization in multiple myeloma. npj Digit. Med. 9, 203 (2026). https://doi.org/10.1038/s41746-026-02394-y

Ключевые слова: множественная миелома, мобилизация стволовых клеток, амбулаторная онкологическая помощь, управление больничными койками, машинное обучение в медицине