CC BY
0
I ГЕМАТОЛОГИЯ ИТРАНСФУЗИОЛОГИЯ | RUSSIAN JOURNAL OF HEMATOLOGY AND TRANSFUSIOLOGY (GEMATOLOGIYA I TRANSFUSIOLOGIYA) | 2024; TOM69; №2 |
паратами (во всех линиях терапии) были: Гидроксикарбамид (733), Интерферон альфа-2Ъ (237), Руксолитиниб (242). Другие препараты: бусульфан, цитозар, 6-меркаптопурин, пэгинтерферон, анагрелид или комбинированная терапия. Лучевая терапия на область селезенки проведена 9 больным, спленэктомия 29 больным.
Результаты и обсуждение. Оценка эффективности на 6 месяцев лечения проведена у 375 больных: полный 39 (10%), частичный 185 (49%), нет ответа 129 (34%), прогрессирование 22 (7%). Оценка эффективности на 1,5 года лечения проведенау 34 больных: полный 5 (15%), частичный 24 (71%), нет ответа 3 (9%), прогрессирование 2
(5%). Ме времени наблюдения составила 52,9 месяцев (0,1—1138,2 мес). За время наблюдения летальные исходы — 29 (3,14%). ОВ (360 мес наблюдения, 95% ДИ) составила 82%. ОВ пациентов с ранней стадией МФ несколько выше, чем при фиброзной стадии (р= 0,025). Зарегистрировано 144 НЯу 120 больных, из них 13 геморрагических, 10 тромботических эпизодов.
Заключение. МФ — хроническое клональное гематологическое заболевание с прогрессирующим течением. Эффективность проводимой терапии невысока, сохраняется риск тромбогеморрагических событий.
При поддержке ООО «Новартис Фарма».
Суримова В. А., Чабаева Ю. А., Рисинская Н. В., Сергеева А. М., Семенова А. А., Гальцева И. В., Менделеева Л. П., Куликов С. М.
ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ИЗУЧЕНИЯ ПРОГНОСТИЧЕСКОЙ ЗНАЧИМОСТИ МОЛЕКУЛЯРНО-ГЕНЕТИЧЕСКИХ И ИММУНОФЕНОТИПИЧЕСКИХ ПРИЗНАКОВ У ПАЦИЕНТОВ С РАЗЛИЧНЫМИ ЗАБОЛЕВАНИЯМИ СИСТЕМЫ КРОВИ
ФГБУ «НМИЦ гематологии» Минздрава России
Введение. При проведении поискового анализа на основе молеку-лярно-генетических и иммунофенотипических признаков для пациентов с заболеваниями системы крови количество признаков зачастую сильно превышает количество пациентов. Классические статистические методы не всегда предоставляют надёжные оценки. В качестве альтернативы используется Random Forests — один из самых популярных алгоритмов машинного обучения. Данный метод обеспечивает хорошую прогностическую эффективность, низкий уровень переобучения за счёт встроенного алгоритма регуляризации, а также возможность интерпретировать результирующие решающие правила.
Цель работы. Продемонстрировать преимущества метода Random Forests для отбора наиболее важных прогностических признаков при различных гематологических заболеваниях.
Материалы и методы. Анализ был проведён для пациентов со следующими заболеваниями: В-клеточный острый лимфобласт-ный лейкоз (В-ОЛЛ), острый промиелоцитарный лейкоз (ОПЛ), _Variable importance_
ijrintjt.ll e*m.aines
LMS,PtK3CA &w»JtUHX2 Lom_CRLfî LOH ATM LOisJGFÎBPl Gain lOfJHPl Hfl
<_Ч|РеФ(|>и51®
LftfcS_4:.FR3
Galn_AH'DlH ь«,л CRU"г e«ln_EHGTKWSJ Galn.XPAKWtlHEHGN ûem.SMMtCAl ewn.WXS LB«_USm4
GMl_TP53 I CTWH I 19 UM.ftlWAÎ e«in_DOOtfl Less^OOCKe
LMt'cWCftiA Lxm_ERGTMPft«3
G#ln_aWA QBln.FlK3CA LCHjTlt Gilri.BBl
l«S апл
lM»_T»S3 LrtKWtlOlB
ta» ВПСЭ G*n_MH Lme^WÎ
LOSS_*MFO*t 1HEMI5N LOSS.J4U5 &Л1ПМГС
Geln_FGFH3 LlfliitJJJ
Lojî^MAHCAÏ
Рис.
множественная миелома (ММ), В группу с В-ОЛЛ были включены 36 пациентов. С помощью хромосомного микроматричного анализа (ХМА) были обнаружены случаи потери гетерозиготности и изменения числа копий ДНК в геноме опухоли, также был определён набор генов, вовлеченных в эти аберрации. Для выявления предикторов развития дифференцированного синдрома (ДС) при ОПЛ были получены результаты иммунофенотипического исследования в дебюте заболевания для 38 пациентов. Для ММ образцы костного мозга были получены от 31 пациента с впервые установленным диагнозом. С помощью анализа данных РНК — секвенирования были идентифицированы гены, вовлеченные в формирование профиля экспрессии, специфичного для ММ.
Результаты и обсуждение. Благодаря универсальности метода Random Forests, мы смогли проанализировать влияние признаков на целевые переменные с различным типом данных. Для выборки пациентов с ОПЛ был использован классический вариант Random Forests, так как целевая переменная была бинарной, а 120 анализируемых показателей были непрерывными. Для пациентов с ММ анализировались предикторы ответа на терапию, целевая переменная также включала 2 класса — ПР или ОЧХР и остальные варианты ответа. Признаки являлись непрерывными и представляли уровни экспрессии для 1090 генов. В случае с В-ОЛЛ применялся Random Survival Forests, так как анализировалось влияние аберраций на общую выживаемость. Результат представлен на рис.1, метод предоставляет нам возможность его интерпретировать и выделить наиболее благоприятные и неблагоприятные признаки. Random Survival Forests верно определил значимость известных прогностических факторов, что подтверждает точность данного метода.
Заключение. По итогам исследований были определены возможные предикторы ответа на терапию, общей выживаемости и развития осложнений для пациентов с ММ, В-ОЛЛ, ОПЛ. Таким образом, мы продемонстрировали возможности и преимущества использования универсального алгоритма машинного обучения Random Forests, превосходящего линейные алгоритмы в условиях большой размерности пространства признаков. Исследование ХМА выполнено за счет гранта Российского научного фонда№ 23-25-00490.
Талько А. В.1, Князенко П. А.1, Свислоцкая М. Э.1, Невзорова В. А.2, Клочков Н. С.1, Шестопалов Е. Ю.1 ОПЫТ УСПЕШНОЙ ДИАГНОСТИКИ ТРОМБОТИЧЕСКОЙ ТРОМБОЦИТОПЕНИЧЕСКОЙ ПУРПУРЫ
1КГБУЗ ВКБ 1, 2Институт терапии и инструментальной диагностики
Введение. Тромботическая тромбоцитопеническая пурпура (ТТП) (болезнь Мошковица) — орфанное, жизнеугрожающее, остро возникающее заболевание вследствие дефицита металлопротеазы АБАМТ813. ТТП является трудно диагностируемой патологией вследствие выраженного полиморфизма симптомов.
Цель работы. Представить клинический случай успешной диагностики и первого этапа терапии пациентки с лабораторно-под-твержденной ТТП и эффективно организованной транспортировкой в «НМИЦ гематологии» г. Москвы.
Материалы и методы. Жительница Приморского края 47 лет,
