机构名称：
¥ 1.0
血管免疫细胞T细胞淋巴瘤（AITL）是一种独特的外周T细胞淋巴瘤（PTCL），预后较差（Swerdlow等，2016）。对于AITL患者，5年的总生存率（OS）率为44％，无进展生存率（PFS）率为32％（Advani等，2021）。基于蒽环类药物的化学疗法方案经常使用，但其有效性受到限制。基于传统治疗的不令人满意的结果，NCCN肿瘤学的临床实践指南建议参与临床试验作为首选管理策略（Horwitz等，2022）。值得注意的是，尽管某些患者的分期分期或预后评分通常用于评估T细胞淋巴瘤，但其临床结局差异很大。预后的差异可能是由于AITL的异质性引起的（Zhang等，2023）。因此，需要更好地分层患者的新型模型。Chidamide是一种亚型选择性组蛋白脱乙酰基酶（HDAC）抑制剂的苯甲酰胺类型（Gong等，2012）。近年来，奇达胺在PTCL中似乎是一种有前途的治疗方法，尤其是在AITL中。在复发或难治性（R/R）AITL中的Chidamide II期研究中，总反应率（ORR）为50％（Shi等，2015）。在一项多中心II期临床试验中，将奇达胺与未经处理的AITL中的泼尼松，依托泊苷和沙利度胺相结合，ORR为90.2％。2年无进展生存率（PFS）和总生存率（OS）率分别为66.5％和82.2％（Wang等，2022b）。然而，在现实世界分析中，与单独的化学疗法相比，将奇达酰胺与化学疗法相比是否可以改善OS的矛盾结果（Shi等，2017； Liu等，2021； Wang等，2022a）。需要进一步的证据来阐明在现实世界中奇达胺的效率。机器学习（ML）算法是人工智能的关键领域，可以通过利用计算方法来从复杂的数据中学习，以识别预测的可能功能（Haug and Drazen，2023）。与传统的广义线性模型相比，基于高级算法的机器学习在数据分布和完整性方面更容易接受，并且在挖掘数据值方面具有更大的功能（Elemento等，2021）。因此，近年来，机器学习已被广泛用于医疗领域，并已发展成为一种有效的工具，可以在做出临床决策时使用（Radakovich等，2020； Haug and Drazen，2023; Swanson等，2023）。因此，本研究的目的是建立ML模型来预测AITL的预后，并在现实世界中评估Chidamide的好处。
多发性硬化症的间充质干细胞衍生的神经祖细胞疗法的演变：从概念到诊所
主要关键词
相关文件推荐
