Journal of Hematology & Oncology
单细胞移植供体选择中疗效与毒性解耦：基于双机器学习的个体化预测模型

小赛推荐：

该研究通过因果生存森林模型揭示了单倍体相合移植中复发与非复发死亡的独立驱动因素，为血液系统恶性肿瘤患者的供体选择提供了可量化的决策框架，尤其对高危疾病患者的精准治疗策略设计具有直接指导意义。

 

文献概述

本文《Uncoupling toxicity from efficacy in donor selection for allogeneic hematopoietic cell transplantation: a retrospective cohort study using double machine learning》，发表于《Journal of Hematology & Oncology》杂志，系统探讨了在异基因造血细胞移植（allo-HCT）中如何通过机器学习方法解耦疗效与毒性，从而实现个体化供体选择。研究整合了来自MD安德森癌症中心及CIBMTR的超过8,000例患者数据，采用Causal Survival Forests（CSF）和Random Survival Forests（RSF）框架，识别出影响非复发死亡（NRM）与复发的关键生物学与生理学因素。研究进一步构建了可操作的诺莫图模型，并提出“优化单倍体”表型概念，为临床决策提供了新工具。

背景知识

异基因造血细胞移植是多种血液系统恶性肿瘤（如AML、ALL、MDS）的潜在治愈手段，但供体选择长期受限于疗效与毒性之间的权衡。单倍体相合供体（haploidentical）虽具有强大的移植物抗肿瘤效应，但传统上与较高的非复发死亡率（NRM）相关，尤其在存在血管共病的患者中。目前，供体匹配度的研究瓶颈在于依赖群体水平的平均效应指标（如HR），忽视个体异质性。此外，B-leader匹配状态、年龄、疾病风险指数（DRI）等因素的交互作用尚未被系统建模。本研究的切入点在于提出“生物学解耦”假说——即复发主要由肿瘤生物学驱动，而NRM则由生理储备决定，从而为个体化决策提供理论基础。

 

针对高危血液系统恶性肿瘤，赛业生物提供全基因组人源化小鼠模型（HUGO-GT®），支持精准模拟人类基因调控与疾病表型，适用于基因治疗与药物临床前研究。模型涵盖阿尔茨海默病、脊髓性肌萎缩症等罕见病，可进行针对性突变定制，助力开发更贴近真实生物机制的药物评价体系。

了解更多

 

研究方法与核心实验

研究采用回顾性队列设计，纳入1,713名在MD安德森接受PTCy为基础单倍体移植的成年患者，并在CIBMTR两个独立队列（n=5,829和n=1,000）中进行验证。核心方法为双机器学习框架：Random Survival Forests（RSF）用于绝对预后风险评估，Causal Survival Forests（CSF）用于估计个体化治疗效应（CATE）。通过分析供体年龄、受体年龄、B-leader匹配状态、DRI、血管共病等变量，识别出驱动异质性治疗效应的关键因素。研究还构建了基于血管共病、年龄和B-leader匹配的NRM诺莫图，并通过bootstrap验证其预测效能。

关键结论与观点

• 复发风险主要由DRI、疾病类型和移植时间等肿瘤生物学因素驱动，而NRM则由生理储备（如年龄、共病）主导，支持“疗效-毒性解耦”假说。该发现提示未来实验方向应区分免疫重建与组织修复通路，探索血管内皮损伤在移植相关并发症中的作用。
• 心血管/脑血管共病显著放大单倍体移植的毒性，其亚分布风险比达2.09（95%CI 1.26–3.35），相当于增加35年年龄负担。这一结果强调在实验模型中应引入血管损伤背景的小鼠模型以更真实模拟临床毒性。
• 构建的3因子诺莫图（年龄、血管共病、B-leader匹配）可识别“优化单倍体”表型（年龄<60，无血管共病，B-leader匹配），其24个月NRM降至17.2%，接近MRD水平。该表型为未来临床试验设计提供了明确的入组标准。
• 在≥60岁患者中，B-leader匹配的单倍体供体可实现与MRD相当的疾病无复发生存（DFS），提示存在“等效区”。这一发现支持在高龄患者中优先考虑单倍体供体，尤其当MRD存在血管共病时。
• 多变量模型显示MUD在多数亚组中DFS最优，但单倍体在高危疾病且体健患者中可有效抵消NRM风险。这提示药物开发应聚焦于增强移植物抗肿瘤效应同时保护内皮屏障功能。

研究意义与展望

该研究推动了移植领域从“平均效应”向“个体化效应”的范式转变。通过量化供体-受体匹配的净临床收益，为临床监测提供了新指标——如对携带血管共病的患者加强早期感染与器官毒性监控。此外，研究提出的交互式计算器（[https://rohteshmehta.shinyapps.io/jho-app/](https://rohteshmehta.shinyapps.io/jho-app/)）为真实世界应用提供了工具。

在疾病建模方面，研究提示需构建更贴近临床异质性的动物模型，例如在Aging背景下引入血管损伤的人源化小鼠，以研究移植后并发症机制。同时，B-leader匹配的生物学机制尚不明确，未来研究可利用单细胞测序解析T细胞克隆动态，揭示其与移植物抗宿主病和感染控制的关联。

 

为研究移植后免疫重建与移植物抗肿瘤效应，赛业生物提供免疫系统人源化小鼠模型（如huHSC-C-NKG-ProF），支持全免疫系统重建，包括T、B、NK及髓系细胞。该模型适用于肿瘤免疫治疗、感染性疾病及自身免疫病研究，可用于评估CAR-T/NK疗法及免疫检查点抑制剂的体内功效。

了解更多

 

结语

本研究通过大规模真实世界数据与先进机器学习方法，重新定义了异基因造血细胞移植的供体选择策略。其核心贡献在于揭示了复发与非复发死亡的独立驱动路径，提出“优化单倍体”表型，并量化了血管共病对移植毒性的放大效应。这一框架不仅为临床决策提供了可操作的工具，也为未来研究指明方向——从供体选择到毒性干预，均需个体化考量。对于AML、ALL等高危血液病患者，该研究为平衡疗效与安全性提供了坚实证据基础，有望推动建立以患者为中心的移植决策体系。实验室转化层面，研究强调需开发更复杂的疾病模型，以模拟老年、共病人群的移植反应，从而加速保护性干预策略的发现。

 

Rohtesh S Mehta, Yosra M Aljawai, Warren Fingrut, Richard E Champlin, and Elizabeth J Shpall. Uncoupling toxicity from efficacy in donor selection for allogeneic hematopoietic cell transplantation: a retrospective cohort study using double machine learning. Journal of Hematology & Oncology.