Etude rétrospective SFGM-TC : Améliorer les prédictions post-allogreffe avec le machine learning et l'immunogénétique

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Objectif primaire : Développer un système d’apprentissage automatique pour prédire avec haute précision les résultats cliniques d’une allogreffe réalisée pour une hémopathie maligne.

Objectifs secondaires :
1 Identifier des profils cliniques et immunogénétiques associés à un risque accru de complications alloréactives ou de rechute
o Intégrer les interactions entre les paramètres cliniques et immunogénétiques pour révéler des profils de risque spécifiques invisibles avec des méthodes classiques.
o Définir des groupes de patients à haut risque pour des interventions préventives (ex.: immunosuppression ajustée, suivi renforcé).
2 Comparer la performance du modèle final avec des modèles classiques de survie et de risque compétitif
o Évaluer la précision prédictive (AUC, sensibilité, spécificité) du modèle d’apprentissage automatique par rapport aux modèles classiques.
o Comparer la capacité des modèles à :
 Prédire des résultats cliniques spécifiques (rechute, aGvHD, cGvHD, survie globale).
 Capturer les interactions complexes entre les facteurs cliniques et immunogénétiques.
o Utiliser des tests statistiques pour valider la supériorité (ou complémentarité) des modèles basés sur le machine learning.
3 Tester et valider le modèle en fonction des pathologies sous-jacentes
o Évaluer les performances du modèle dans chaque groupe pathologique :
 Précision prédictive (AUC, sensibilité, spécificité) pour les complications spécifiques (rechute, aGvHD, cGvHD, survie).
 Identification des caractéristiques immunogénétiques (HLA, scores HED) ayant un poids différent selon les pathologies.
o Réaliser des analyses comparatives entre pathologies pour déterminer si le modèle conserve une cohérence globale.

Eléments de méthode :
Extraction des données de cette étude à partir du registre SFGM-TC de l’EBMT.

Population d'étude :
- Patients adultes ayant reçu une première allogreffe pour une hémopathie maligne entre 2010 et 2022.
- Disponibilité des données HLA du receveur ainsi que des données complètes sur les résultats cliniques (rechute, GvHD, survie globale).