[发明专利]一种基于aGVHD biomarker的重度肠道aGVHD模型的方法

说明书

本发明公开了一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，属于造血干细胞移植技术领域，包括aGVHD biomarker指标监测及数据筛选与分组、单个重度肠道aGVHD模型训练、多模型融合、重度肠道aGVHD模型性能前瞻性验证的四个步骤。该基于aGVHD biomarker的重度肠道aGVHD模型的方法，通过建立机器学习模型，采用多模型融合技术对病人发生重度肠道aGVHD的严重程度进行评估，效果优于单个肠道aGVHD模型，对病人发生肠道aGVHD严重程度进行精准划分，为临床决策提供指导；同时仅需检测血清中aGVHD biomarker指标，避免了例如内窥镜检查和肠粘膜活检等的肠道aGVHD常规诊断方法给病人带来的强烈不适感，更适应于中国病人群体。

技术领域

本发明属于造血干细胞移植技术领域，具体为一种基于aGVHD biomarker的重度肠道aGVHD模型的方法。

背景技术

急性移植物抗宿主病(acute Graft-versus-Host Disease，aGVHD)是异基因造血干细胞移植(allogeneic Hematopoietic Stem Cell Transplantation，allo-HSCT)后致命并发症以及死亡率的主要来源。aGVHD可以影响多个器官，主要是皮肤、肝脏和胃肠道。其中，肠道aGVHD发病率高，程度较重，且重度肠道aGVHD往往难以逆转，增加了病死率。因此，重度肠道aGVHD的早期诊断与有效的治疗直接关系到疾病的预后，在aGVHD治疗中处于重要的地位。

当前，对肠道aGVHD的诊断多集中于放射学、内窥镜检查和组织学活检等方法，但最终诊断仍取决于经典的临床特征。生物标志物因其具有非侵入性，且能够特异和敏感地反映疾病状态而被应用于病人群体开始治疗之前进行早期风险分层和临床症状出现之前指导进行提前干预等。在肠道aGVHD预测和诊断方面，James Ferrara等人发现：REG3α可以作为胃肠道aGVHD诊断的生物标志物(biomarker)，ROC-AUC可达0.8。Thomas Hueso等人发现：移植前血浆瓜氨酸(Citrulline)水平与胃肠道aGVHD严重程度具有相关性，其对II-IV度胃肠道aGVHD的预测AUC为0.683。Liu Yue等人发现：甘油磷脂(GPL)代谢在aGVHD的发病机理中起重要作用，其中GPL代谢的代谢物PC(13:0/0:0)与胃肠道aGVHD呈负相关，但其AUC为0.646。上述研究对胃肠道aGVHD的预测或诊断能力较低。

上述研究表明基于biomarker的肠道aGVHD诊断(预测)具有很好的临床应用价值，但是由于病人群体的差异，从西方病人群体得出的结论不能直接应用于中国的病人群体。

因而，本发明提出一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，用于对中国病人群体进行肠道aGVHD严重程度进行更为精准的划分，辅助临床决策。

发明内容

针对现有技术的不足，本发明提供了一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，包括aGVHD biomarker指标监测及数据筛选与分组、单个重度肠道aGVHD模型训练、多模型融合、重度肠道aGVHD模型性能前瞻性验证的四个步骤：

S1、aGVHD biomarker指标监测及数据筛选与分组，动态监测多中心病人群体重要时间点的aGVHD biomarker指标，并根据随访至HSCT后100天内病人是否发生肠道aGVHD进行分组，其中，发生肠道aGVHD组筛选事件发生时间点监测到的aGVHD biomarker指标，未发生肠道aGVHD组按与发生肠道aGVHD组biomarker测量时间分布相同原则筛选监测到的aGVHD biomarker指标，形成模型数据集；