Skale prognostyczne i narzędzia predykcyjne w toczniu

Rozwój nowoczesnych narzędzi prognostycznych w toczniu umożliwia lekarzom bardziej precyzyjne przewidywanie przebiegu choroby i dostosowanie strategii terapeutycznych do indywidualnych potrzeb pacjentów. Skale prognostyczne i algorytmy oparte na sztucznej inteligencji stają się coraz ważniejszymi elementami współczesnej praktyki klinicznej w reumatologii.

Skala SLESIS-R do przewidywania infekcji

Skala SLESIS-R (SLE Severe Infection Score-Revised) została opracowana jako ulepszona wersja narzędzia do przewidywania poważnych infekcji u pacjentów z toczniem¹. Jest to dokładne i praktyczne narzędzie do przewidywania infekcji w praktyce klinicznej, które może pomóc w podejmowaniu świadomych decyzji dotyczących stosowania leków immunosupresyjnych i wdrażania środków zapobiegawczych¹.

Wydajność skali SLESIS-R była bardzo korzystna, znacząco przewyższając poprzednią wersję skali pod względem pola pod krzywą ROC (0,861 w porównaniu z 0,790)². Ta najnowsza wersja zawiera tylko cztery parametry kliniczne: wiek, poprzednią hospitalizację związaną z toczniem, poprzednią poważną infekcję oraz dawkę glikokortykosteroidów ≥30 mg/dzień, które wszystkie są łatwo dostępne w dokumentacji klinicznej pacjenta².

Cztery zidentyfikowane parametry są zgodne z większością poprzednich badań dotyczących głównych czynników związanych z infekcją, które identyfikują głównie wiek, dawkę glikokortykosteroidów i poprzednią poważną infekcję jako najlepsze predyktory ciężkiej infekcji w toczniu². Skala SLESIS-R jest dokładnym narzędziem do przewidywania poważnych infekcji w toczniu i okazała się wykonalna w codziennej praktyce klinicznej².

Sztuczne sieci neuronowe w przewidywaniu wyników leczenia

Sztuczne sieci neuronowe wykazały wyjątkową skuteczność w przewidywaniu wyników leczenia tocznia nerkowego. Najlepszy model sieci neuronowej osiągnął 100% precyzję w przewidywaniu wystąpienia całkowitej remisji w toczniu nerkowym na podstawie zmiennych wejściowych³. Model o najlepszej wydajności skutecznie rozróżniał wystąpienie i brak całkowitej remisji u pacjentów z toczniem nerkowym³.

Czułość modelu w odniesieniu do braku całkowitej remisji czyni go doskonałym narzędziem do przesiewowego badania osób szczególnie narażonych na dalsze powikłania³. Wykorzystanie sztucznej sieci neuronowej, nauczonej nawet na małej kohorcie pacjentów, pozwala na konstrukcję modelu predykcyjnego o dobrej lub bardzo dobrej wydajności³.

Osiągnięcie białkomoczu ≤0,7 g/dzień w 12. miesiącu najlepiej przewiduje dobry wynik w 7 lat, a włączenie krwiomoczu w 12. miesiącu osłabia czułość wczesnego spadku białkomoczu dla przewidywania dobrego wyniku⁴. To rozwiązanie pozwala na dokładną ocenę osiągnięcia całkowitej remisji i monitorowanie pacjentów z grupy o niższym prawdopodobieństwie całkowitej remisji³.

Algorytmy uczenia maszynowego w przewidywaniu powikłań

Algorytm XGBoost został zidentyfikowany jako szczególnie skuteczny w przewidywaniu współinfekcji u pacjentów z toczniem nerkowym⁵. Badania potwierdziły, że współinfekcja w toczniu nerkowym może wystąpić w wielu miejscach, a ustanowienie wstępnego modelu oceny współinfekcji opartego na uczeniu maszynowym może pomóc we wczesnej diagnozie pacjentów z toczniem nerkowym z współinfekcjami⁵.

Wystąpienie i infekcja tocznia nerkowego są związane z złym długoterminowym rokowaniem nerkowym u pacjentów z toczniem⁵. Algorytm XGBoost przewyższył inne modele pod względem dokładności przewidywania, co może być jedną z preferowanych opcji do badania pacjentów z toczniem nerkowym z współinfekcją⁵.

Modele predykcyjne dla pacjentów w stanie krytycznym

Opracowano specjalistyczne modele prognostyczne dla pacjentów z toczniem wymagających intensywnej terapii. Zidentyfikowano dziewięć czynników prognostycznych, w tym wiek, liczbę białych krwinek, poziom transaminazy alaninowej, kwasu moczowego, infekcję wewnątrzczaszkową, wstrząs, krwotok wewnątrzczaszkowy, niewydolność oddechową i stosowanie cyklosporyny A/takrolimusu⁶.

Model prognostyczny oparty na dziewięciu czynnikach prognostycznych został oceniony w grupach derywacyjnej i walidacyjnej, wykazując dobrą dyskryminację, kalibrację i dopasowanie⁷. Ogólna statystyka C Harrella wyniosła 0,9124 dla grupy derywacyjnej i 0,8067 dla grupy walidacyjnej⁷.

Śmiertelność na oddziale intensywnej terapii wyniosła 93,7% u pacjentów z wynikiem ryzyka ≥82,5, 59,3% u tych z wynikami ryzyka między 45,8–82,5 oraz 11,8% u pacjentów z wynikami ryzyka między 0 a 45,8⁷. Te ustalenia mogą pomóc klinicystom w prognostycznej stratyfikacji pacjentów do różnych grup ryzyka śmiertelności na oddziale intensywnej terapii⁶.

Klasyfikacja pacjentów z nieaktywną chorobą klinicznie

Analiza skupień ujawniła podgrupy u pacjentów z serologicznie aktywnym, klinicznie spokojnym toczniem, co ma znaczenie dla przewidywania długoterminowego rokowania⁸. Pacjenci SACQ (serologicznie aktywni, klinicznie spokojni) są potencjalnie narażeni na ryzyko zaostrzeń, a nawet uszkodzenia narządów, dlatego powinni być poddani bliższemu monitorowaniu zgodnie ze strategiami treat-to-target⁸.

W średnim okresie obserwacji 7246,8 pacjento-lat, 36,7% pacjentów SACQ doświadczyło co najmniej jednego zaострenia w ciągu 1,7±0,8 roku, a 16,5% wykazało uszkodzenie narządów w ciągu 3,0±1,9 roku⁸. Badanie wyróżniło trzy różne wzorce kliniczne i wyniki u pacjentów SACQ, a klasyfikacja pacjentów SACQ na fenotypy o wartości prognostycznej może ułatwić indywidualne zarządzanie tymi pacjentami⁸.

Biomarkery moczu jako narzędzia predykcyjne

Czynnik wzrostu naskórka (EGF) w moczu wykazał się jako obiecujący biomarker do przewidywania odpowiedzi terapeutycznej w toczniu nerkowym⁹. W analizie wieloczynnikowej wyjściowy poziom EGF był niezależnie związany z późniejszą odpowiedzią na leczenie, a pole pod krzywą dla EGF w przewidywaniu odpowiedzi wyniosło 0,80⁹.

EGF na poziomie ≥65,6 ng/mgCr wykazał 85% czułość i 71% swoistość dla odpowiedzi na leczenie⁹. Nowe odkrycie, że EGF w moczu może być obiecującym kandydatem na biomarker do przewidywania odpowiedzi na terapię w toczniu nerkowym, może wspierać jego szersze zastosowanie w większych badaniach, a ostatecznie w praktyce klinicznej do kierowania decyzjami terapeutycznymi⁹.

Ograniczenia i wyzwania

Pomimo obiecujących wyników, narzędzia prognostyczne w toczniu napotykają na pewne ograniczenia. Uczenie maszynowe ma potencjał do rozwoju jako zadowalające narzędzie, ale nie może zastąpić biopsji nerki¹⁰. Konieczne są dalsze badania w celu kontynuowania eksploracji nowych i czułych parametrów oraz obliczania ciągłych zmiennych w specyficznych zakresach dla każdej klasy¹⁰.

Ogólna heterogeniczność kryteriów włączenia i miar wyników w różnych badaniach, wraz z brakiem walidacji w kohortach wieloośrodkowych, wymaga przyszłych wysiłków współpracy¹¹. Niemniej jednak przewidujemy, że kilka biomarkerów ma obiecujące perspektywy w kierunku optymalizacji zarządzania toczniem nerkowym, z wykorzystaniem zintegrowanej omiki i paneli mniej inwazyjnych biomarkerów torujących drogę ku medycynie spersonalizowanej¹¹.