深度解析医学证据，lxfs.net为你支撑决策

急性移植物抗宿主病（aGvHD）是异基因造血干细胞移植（allo-HSCT）后的主要并发症，显著增加早期非复发死亡率（NRM）。单倍体相合造血干细胞移植（haplo-HSCT）联合T细胞调节策略（如抗胸腺细胞球蛋白[ATG]或移植后环磷酰胺[PTCy]）扩大了供者来源，但aGvHD仍然常见，一线糖皮质激素治疗失败后OS仅为5%-30%。

目前大多数aGvHD预测模型来源于HLA相合供者队列或PTCy-based方案，在ATG-based haplo-HSCT这一特定中国主流移植模式（“北京方案”占中国单倍体移植约94%）中的适用性尚需验证。MAGIC算法（基于ST2和REG3α两种细胞因子）已被证实可预测GvHD结局，但在ATG-based haplo-HSCT中的有效性尚不明确。

国内学者开展多中心研究，验证了MAGIC算法在ATG-based haplo-HSCT中的预测效能；发并验证针对该特定场景的优化预测模型——HAG模型（haploidentical transplantation-associated aGvHD）；并利用孟德尔随机化（MR）方法为选定的生物标志物提供外部遗传学支持。

研究方法

研究设计与患者队列：

共纳入280例接受ATG-based haplo-HSCT的患者，来自中国两家医疗中心：

• 训练集+内部测试集（苏州大学附属第一医院，2022年6月–2023年9月）：230例（72例aGvHD，158例非aGvHD）

• 外部验证集（上海瑞金医院，2021年10月–2023年1月）：50例（21例aGvHD，29例非aGvHD）

纳入标准：年龄≤70岁，ATG-based haplo-HSCT，移植后3-20天内且aGvHD治疗前有细胞因子检测数据。

生物标志物检测：

预先选定4种候选细胞因子（ST2、REG3α、Elafin、TNFR1），通过ELISA检测血浆浓度，log₁₀转换后用于分析。

孟德尔随机化（MR）分析：

利用外部GWAS数据（冰岛人群35,559例血浆蛋白GWAS + FHCRC 4,270例移植受者aGvHD GWAS），评估细胞因子与aGvHD的因果关联，为生物标志物选择提供遗传学支持。

模型构建与评估：

逻辑回归筛选最优细胞因子组合，加权平均AUC（wAUC）评估综合预测效能。

构建HAG模型（ST2 + REG3α + Elafin）和HAG-C模型（HAG + 临床特征）。

评估指标：AUC、敏感性、特异性、校准曲线、决策曲线分析（DCA）。

在线可视化工具：https://ibmt.shinyapps.io/DynNomapp/

研究结果

MAGIC算法在ATG-based haplo-HSCT中的验证

MAGIC算法在ATG-based haplo-HSCT中保持可接受的预测准确性，但效能有所下降。

候选细胞因子的筛选与MR因果推断

MR分析支持ST2、REG3α和Elafin与aGvHD风险存在潜在因果关联。

RCS分析显示三者与aGvHD风险呈非线性剂量-反应关系，高风险阈值后OR呈指数上升（ST2尤为显著）。

HAG模型（ST2 + REG3α + Elafin）的预测效能

HAG模型的wAUC约0.68，显示稳定的跨中心预测能力。

SR-aGvHD预测：AUC在训练集、内部测试集和外部验证集分别为0.666、0.688和0.779。

HAG-C模型（HAG + 临床特征）

随机森林筛选的Top临床特征：CD34+输注量、受者年龄、MNC输注量、供者年龄。

HAG-C模型的wAUC从0.682提升至0.701，相对改善2.8%。

Bootstrap内部验证（1000次重抽样）：

• HAG模型：表观AUC 0.701，乐观校正后AUC 0.679

• HAG-C模型：表观AUC 0.738，乐观校正后AUC 0.717

HAG模型风险分层与临床结局

HAG模型识别的高危患者中，严重aGvHD发生率超过60%，提示该模型具有临床风险分层的潜力。

总结

MAGIC算法在ATG-based haplo-HSCT中保持预测价值，但效能中等（AUC 0.62-0.69）。

HAG模型（ST2 + REG3α + Elafin）是针对ATG-based haplo-HSCT场景优化的候选模型，综合预测效能wAUC约0.68，对SR-aGvHD预测效能更佳（外部验证AUC达0.779）。

孟德尔随机化分析为ST2、REG3α和Elafin与aGvHD的因果关联提供了遗传学支持。

HAG模型风险分层显示高危患者严重aGvHD发生率>60%，并提示NRM升高和OS更差的趋势。

该模型首次在ATG-based haplo-HSCT这一广泛应用但既往研究不足的场景中提供了基于细胞因子的预测工具。

该工具可在线计算https://ibmt.shinyapps.io/DynNomapp/，操作页面如下

参考文献

Mediators Inflamm . 2026;2026(1):e3165406. doi: 10.1155/mi/3165406.

阅读全文

小提示：本篇资讯仅在梅斯医学APP中开放阅读，请扫描二维码直接下载APP