Hemasphere丨游华团队整合转录组学分析与机器学习构建婴儿AML的首个预后模型

婴儿急性髓系白血病（ Infant Acute Myeloid Leukemia）在生物学和临床预后方面都与年长儿童存在显著差异，然而长期以来，针对这一低龄群体的精准预后工具却一直缺失。现有分层体系下，近80%的婴儿AML患者被划为中危，导致治疗决策缺乏明确依据。为破解这一困境，重庆医科大学附属儿童医院游华教授团队联合多中心力量，基于大规模转录组与临床数据，成功开发并验证了一项专门针对婴儿AML的mRNA表达预后模型—— IPSscore （ IPGroup ）。该模型有望实现更精准的风险分层，为临床治疗路径选择提供新依据。相关成果以：Integrating transcriptomic profiling and machine learning: A clinically actionable prognostic model for infant acute myeloid leukemia为题发表于欧洲血液学协会（EHA）官方 期刊Hemasphere。

研究方法

数据来源 ：

本研究数据来源于多中心合作。发现集与内部验证集共 340例婴儿AML患者 （年龄≤36个月） ，来自TARGET项目 中 儿童肿瘤协作组（COG）开展的四项儿科AML临床试验，其中发现集213例、内部验证集127例。外部验证集包含重庆医科大学附属儿童医院和中山大学附属第一医院两个中心收集的63例患者。此外，还纳入了70例健康儿童的骨髓样本转录 组数据作为对照基准。

关键方法 ：

• 差异表达分析 ： 识别婴儿AML相对于健康对照及年长儿童AML的差异表达基因。

• 机器学习模型构建 ： 整合10种经典机器学习算法，生成40种算法组合，利用上调基因构建预后模型。

• 模型选择与验证 ： 根据一致性指数（C-index）选择最佳模型（RSF+GBM组合，包含24个基因），并在内部和外部验证集中评估其预测无事件生存期（EFS）和总生存期（OS）的性能。

• 风险分层 ： 根据 IPS s core 将患者分为低 危 组和高 危 组。

• 统计分析 ： 比较 IPGroup 与现有分层模型（如COG风险组、LSC17评分、APS评分、CFM模型）的性能，评估其独立预后价值及临床效用。

研究结果

婴儿 AML的独特性 ：与年长儿童和青少年/年轻成人患者相比，婴儿AML在临床特征（如更高白细胞计数、更多 绿色瘤 ）、分子特征（如高频率KMT2A重排、CBFA2T3::GLIS2融合，低频率RUNX1::RUNX1T1融合）和预后（EFS和OS更差）方面均存在显著差异。

独特的转录组特征 ： 婴儿AML表现出独特的基因表达谱，差异表达基因在免疫炎症反应、补体通路、移植物排斥、上皮-间质转化等癌症特征通路上显著富集。

IPS s core / IPGroup 模型的构建：

在发现集中，利用患者的转录组数据，识别了婴儿 AML相对于70例健康对照及645例年长儿童AML的差异上调表达基因。这些基因合并后，其中有4433个上调基因在外部验证集数据中也存在。基于这些基因，本项目整合10种经典机器学习算法，生成40种算法组合，构建多种EFS的预后模型。

进一步将在内部与外部验证集中一致性指数（ C-index）均值最高的模型确定为最佳模型，即随机生存森林与梯度提升机组合模型（RSF+GBM），该模型基于24个基因表达特征。

利用此模型计算出每位患者的风险评分（ IPS s core ），并在内部验证集和外部验证集中进行评估。结果显示，该模型对无事件生存期和总生存期均具有良好的预测性能：发现集中EFS的1年、3年和5年AUC值分别为0.869、0.933和0.956；内部验证集中的AUC值分别为0.605、0.691和0.658；外部验证集中1年与3年EFS的AUC值则达到0.776和0.802。 进一步基于X-tile软件确定最佳 截断值 0.42， 该截断值 可根据 IPS s core 将患者分为低危组和高危组，即 IPGroup 模型。

IPS s core / IPGroup 模型的性能：

在发现集和验证集中， IPGroup 均 能有效区分婴儿AML的预后（EFS和OS ），高 危 组预后显著较差。 IPGroup 是婴儿AML EFS的独立预后因素。

与 COG 的初始风险分组 、LSC17、APS等现有 R NA 表达 模型相比， IPGroup 在预测婴儿AML预后方面表现出更优或相当的判别能力（时间依赖性AUC更高）。 决策曲线分析表明 IPGroup 具有临床实用性。

指导 HSCT决策 ： 分析显示，对于低 危 组患者，在第一次完全缓解期进行HSCT反而显著增加了复发/ 死亡风险；对于高 危 组患者，HSCT 未显示出显著 获益 。 表明 IPGroup 有助于识别可能无法从HSCT 中获益甚至可能受害的低 危 患者。

优化现有分层 ： 将 IPS s core 与当前临床 使用 的CFM细胞分子风险模型结合，能够对43%的婴儿AML患者进行重新分层，使风险分组更精确， 从而 改善了CFM模型的风险区分能力。

本研究成功构建并验证了一个稳健的婴儿AML特异性mRNA表达预后模型（ IPSscore / IPGroup ）。该模型在预测婴儿AML预后方面表现优异，其准确度优于或相当于现有模型，展现出重要的临床应用价值：不仅可指导造血干细胞移植等治疗决策，还能优化现有风险分层体系。值得一提的是，该模型基于基因表达数据构建，相较于依赖复杂遗传学检测的现有方法，在资源有限地区更具推广应用潜力。这一成果将推动婴儿AML精准医疗发展，通过改进风险分层策略，有望在降低治疗毒性的同时，最终改善患儿预后。

重庆医科大学附属儿童医院 陶玉博士后 、沈亚莉副主任医师、 中山大学附属第一医院 唐燕来 副主任医师 为该论文共同第一作者。 重庆医科大学附属儿童医院 游华教授 、 重庆医科大学附属妇女儿童医院魏丽副研究员为该论文共同通讯作者。

原文链接：https://onlinelibrary.wiley.com/doi/10.1002/hem3.70251

制版人：十一

BioArt

Med

Plants

人才招聘

学术合作组织

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。