Острые лейкозы требуют быстрой идентификации подтипа для своевременного начала терапии. Дифференциальная диагностика острого лимфобластного лейкоза (ОЛЛ), острого моноцитарного лейкоза (ОМоЛ/M5) и острого промиелоцитарного лейкоза (ОПЛ/M3) часто зависит от специализированных тестов, которые могут быть недоступны в режиме реального времени. Ключевая особенность данной работы — модель оценивалась только среди пациентов с уже подтверждённым диагнозом одного из этих трёх заболеваний, а не на неотобранной популяции с подозрением на острый лейкоз.
Многоцентровое ретроспективное исследование включило 9398 пациентов с впервые установленным диагнозом ОПЛ/M3, ОМоЛ/M5 или ОЛЛ, наблюдавшихся в период с мая 2019 по май 2025 года в четырёх многопрофильных стационарах Китая. Критерии исключения: рецидив, ремиссия, последующие наблюдения и повторные эпизоды заболевания.
Были проанализированы 24 рутинных гематологических параметра. Один центр использовался в качестве когорты разработки с пятикратной стратифицированной кросс-валидацией, три независимых центра резервировались для внешней валидации. Сравнивались десять алгоритмов машинного обучения. Эффективность оценивалась по AUC, чувствительности, специфичности, точности (accuracy), положительной прогностической ценности (PPV), отрицательной прогностической ценности (NPV) и F1-показателю. Для отбора признаков и интерпретации использовались SHapley Additive exPlanations (SHAP).
Модель случайного леса из 18 признаков достигла на этапе разработки кросс-валидационного AUC 0.93, а при внешней валидации — AUC 0.89, 0.87 и 0.90 в трёх независимых центрах.
Общие показатели эффективности:
- Чувствительность: 0.78
- Специфичность: 0.90
- PPV: 0.81
- NPV: 0.91
- Accuracy: 0.81
- F1-score: 0.79
Анализ SHAP выявил, что наиболее важными признаками являются параметры лейкоцитов, эритроцитов и тромбоцитов.
Для клинической оценки было разработано приложение на платформе Streamlit. При использовании порогового значения для оповещения об ОПЛ 0.0966 (определённого на когорте разработки) чувствительность для ОПЛ составила 99.02% в когорте разработки и 96.32%–97.94% в когортах внешней валидации. PPV составили 54.34% и 35.58%–84.25% соответственно.
Важное ограничение: внешняя валидация продемонстрировала центр-специфические сдвиги калибровки, что указывает на невозможность интерпретации предсказанных вероятностей как универсально калиброванных абсолютных диагностических вероятностей.
Среди пациентов с уже подтверждённым диагнозом ОПЛ/M3, ОМоЛ/M5 или ОЛЛ данная интерпретируемая модель обеспечивает низкозатратную предварительную дифференциальную диагностику на основе рутинных гематологических данных. Модель может поддерживать приоритизацию подтипов и подтверждающее тестирование, однако не может заменить стандартные диагностические методы, выявлять другие диагнозы или применяться для скрининга неотобранных пациентов.
Авторы подчёркивают необходимость проспективной многонациональной валидации с оценкой в реальных клинических условиях перед внедрением модели в рутинную практику.