自体外周血造血干细胞移植(autologous peripheral blood hematopoietic stem cell transplantation，ASCT)是淋巴瘤、多发性骨髓瘤等多种恶性血液病的重要治疗手段^[1-3]，尤其是在我国少子女或单子女家庭逐渐普及的情况下，人类白细胞抗原相合同胞做供者的机会越来越少。ASCT一般是通过离心法先将患者自体外周血造血干细胞(peripheral blood stem cell，PBSC)进行提取并冷冻保存，然后对患者进行大剂量化疗和(或)放疗后再回输给患者，使之快速重建免疫系统^[4-5]。人类PBSC在外周血中含量较少，约占单个核细胞的0.1%~1.0%，通常需要采用离心法对自体PBSC进行提纯，以获得一定数量的高纯度自体PBSC^[6]。但是，行PBSC术时如果无法获取足够的PBSC则会影响后期回输免疫系统的重建效果，并最终造成ASCT失败，严重威胁血液病患者生存，因此PBSC采集成功是ASCT的先决条件^[7-8]。受患者个体差异的影响，临床上PBSC采集失败案例时有发生，造成患者需要多次采集才能达到ASCT移植标准，这给患者及家属造成严重的心理压力和沉重的经济负担^[9]。如果患者在行自体PBSC采集术之前能够对PBSC采集风险进行预测，则医护人员便能够根据预测风险信息对PBSC采集术进行修正，以此提高自体PBSC采集的成功率^[10]。目前对自体PBSC采集风险预测的相关研究鲜有报道，医护人员多依靠自己的工作经验对患者进行评估，以此来制定相应的PBSC采集方案^[11-12]。然而，受医护人员的教育水平和从业经验个体差异的影响，往往无法准确预测PBSC结果^{[9, 13]}。因此探索一种具有普适性的自体PBSC采集风险的预测方法迫在眉睫。将人工智能技术应用于PBSC的采集，可能有效提高临床对自体PBSC采集结果的预测精度。本研究从数据驱动的角度出发，使用机器学习与统计学相关理论方法，首次成功利用前馈神经网络(back propagation neural network，BPNN)、最小二乘支持向量机(least square support vector machine，LSSVM)和自动机器学习(automated machine learning，Auto-ML)等人工智能技术，构建了血液病患者PBSC采集结果风险预测模型，分别采用单因素和多因素相关性分析手段对24项原始变量进行筛选，利用筛选后的特征变量数据对所建模型进行训练和验证，并对模型输入的相关特征变量进行讨论分析，以期为临床医护人员的采集工作提供指导，并提高PBSC采集成功率。

资料和方法

研究对象  选取2013年02月至2021年05月在海军军医大学第一附属医院血液科行自体PBSC采集术的恶性血液病患者作为研究对象，恶性血液病类型包括：急性淋巴细胞白血病(acute lymphoblastic leukemia，ALL)、多发性骨髓瘤(multiple myeloma，MM)、非霍奇金淋巴瘤(non-Hodgkin lymphoma，NHL)、霍奇金淋巴瘤(Hodgkin’s lymphoma，HL)。纳入标准：(1)年龄≥12周岁。(2)首次进行自体PBSC采集。(3)动员方案相同，采集时间间隔4~6天。排除标准：(1)临床资料不全者；(2)存在交流障碍患者。根据纳入标准初步选择793例患者为研究对象，按照排除标准剔除36例资料不全或存在交流障碍患者，最终纳入757例血液病患者作为研究对象，筛选前后患者基线资料无差异，且在本研究执行过程中已对所有数据进行了脱敏处理。本研究通过我院医学伦理委员会审批(批准号：CHEC2022-076)。

PBSC采集和计数  所有患者均采用重组人粒细胞刺激因子(granulocyte colony stimulating factor，G-CSF)，动员剂量5~10 μg·kg^‒1·d^‒1，连续注射4~6天，每天皮下注射1次，注射时间为上午9∶00—9∶30。在动员第4天开始评估患者白细胞和单个核细胞(包括单核细胞和淋巴细胞)比例，以确定采集的最佳时机。采用德国Fresenius血细胞分离机COM-ETC的单个核细胞采集程序进行采集，采集前用0.9%生理盐水预冲管道，用复方枸橼酸钠溶液抗凝，并予地塞米松10 mg静脉推注。循环总量设为3.5~4倍的全身血容量，流速为50~60 mL/min，全血与抗凝剂流速比为10∶1~12∶1，其余参数为系统默认值。考虑到多数患者在采集开始后会表现出不同程度的低钙，在PBSC采集开始后，给予患者10%葡萄糖酸钙60 mL，经回输管道以10~15 mL/h注射泵泵入。

在循环结束后分别对CD34⁺和单个核细胞(mono-nuclear cell，MNC)进行计数。每次CD34⁺检测均设置对照组，取PBSC采集物1 mL并调整细胞数至(0.5~1.0)×10⁶/mL，取50 μL，加入适量各种荧光抗体标记，温室避光孵育15 min，加入裂红液2 mL，4 000×g离心5 min，弃上清，加入PBS缓冲液2 mL，4 000×g离心5 min，每管加入PBS缓冲液约0.3 mL，以200目尼龙膜过滤后上机检测。检测设备采用美国FACSCanto Ⅱ型流式细胞仪和FACSDiva软件，使用CD34-PE、CD45-PerCP、FSC和SSC等4个参数，累积设门，分母为CD45⁺ WBC，检测至2×10⁵个有核细胞，取实验组和检测组CD34⁺细胞群含量平均值作为患者最终CD34⁺细胞数。

同时制作PBSC采集物涂片两张，采用瑞氏吉姆萨染液(珠海贝索生物技术有限公司)染色，在显微镜下对MNC细胞进行分类计数，选择两张图片MNC计数均值作为最终患者MNC细胞计数。

特征选取  根据淋巴瘤诊疗指南^[14]、中国多发性骨髓瘤诊治指南(2020年修订)^[15]及自体PBSC采集相关研究^[16]，收集患者临床基本资料，包括性别、年龄、BMI、吸烟、血液、钾、钙、钠、患病类型等9项一般指标和患者行PBSC采集术前的C反应蛋白、白细胞计数、淋巴细胞、单核细胞、红细胞、血小板、血红蛋白等15项血常规指标。

统计学方法  采用SPSS 25.0和R4.1.2进行统计学分析。符合正态分布的计量资料以x±s表示，两组组间差异采用独立样本t检验；如不符合正态分布的计量资料用M(P₂₅，P₇₅)表示，两组组间采用非参数秩和检验。计数资料以频数和百分比表示，组间比较采用$ {\chi }^{2} $检验。PBSC采集成功相关危险因素分析采用多因素Logistic回归，结果以OR和95%CI表示并进行描述性分析，检验水准α=0.05。

机器学模型构建  根据2018版造血干细胞移植治疗淋巴瘤中国专家共识^[17]及本院专家经验，PBSC采集成功标准定为CD34⁺细胞计数≥2×10⁶/kg且MNC细胞计数≥5×10⁸/kg。将757例患者分为采集成功组和采集失败组，对两组患者的24项指标进行显著性统计学分析及多因素Logistic回归分析。以757例患者经Logistic回归分析有意义的所有指标纳入机器学习模型，采用5折交叉验证法对机器学习模型进行训练和验证。本研究采用Logistic回归，BPNN模型、LSSVM模型和Auto-ML模型分别对PBSC采集结果进行预测。上述模型均采用Python 3.8.8版本、PyCharm 2021.1.3集成开发环境来构建，最后通过敏感度、特异度、准确度和AUC对4种模型进行评价。

结果

患者一般资料  757例行自体PBSC采集术患者的一般资料见表 1，其中采集成功组592例，采集失败组165例，两组患者的性别和吸烟史差异有统计学意义。患者的血常规资料见表 2，两组之间C反应蛋白、白细胞计数、红细胞计数、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、血红蛋白含量、红细胞比积、血小板计数、血小板分布宽度差异均有统计学意义。

Logistic回归分析  根据上述统计学分析结果，将11项单因素分析中P < 0.05的因素进行逐步向前多因素Logistic回归分析(表 3)，以自体PBSC是否采集成功为因变量(是＝1，否＝0)。结果显示：患者性别、吸烟史、C反应蛋白、白细胞计数、红细胞计数、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、血红蛋白含量、红细胞比积、血小板计数、血小板分布宽度与PBSC采集存在相关性。

机器学习模型  将表 1和2中采集成功组和采集失败组比较有统计学差异的11项指标纳入4种机器学习模型，并通过5折交叉验证法对训练集进行训练。表 4为Logistic、BPNN、LSSVM、Auto-ML模型的4种性能评价指标，可以看出BPNN、LSSVM、Auto-ML模型的灵敏度、特异度、准确度和AUC均高于Logistic模型，可以认为机器学习算法对自体PBSC采集结果有着较好的预测能力，且3种机器学习模型中Auto-ML最优。此外，通过对BPNN、LSSVM、Auto-ML模型11项输入参数的重要性进行分析，发现11项指标在3种机器学习模型中的重要性存在较大差异，主要反映在BPNN、LSSVM模型输入参数的重要性分布相对均匀，而Auto-ML模型输入参数的相对重要性主要集中在红细胞和血小板，经过计算发现红细胞和血小板的相对重要性在Auto-ML模型中占比超过72.48%(图 1)。

临床应用  为了进一步验证Auto-ML模型，以2021年7月至2022年3月在我院血液科行PBSC采集术的恶性血液病患者107例为研究对象，其中PBSC采集成功86例，PBSC采集失败21例；男性67例，女性40例；MM、HL、NHL和ALL患者分别为53、14、30、10例，与模型训练数据无明显差异。收集107例患者的以上11项指标作为模型输入参数，输入2.3节所建立的Auto-ML模型，根据模型输出结果判断每个患者PBSC采集是否成功。将Auto-ML模型判断结果与血液科医师临床诊断结果进行比较，并进一步计算Auto-ML模型的各项评价指标，灵敏度、特异度、准确度、AUC分别为0.984(95%CI：0.765~0.993)、1.000、0.977、0.981(95%CI：0.832~0.987)，说明Auto-ML模型对PBSC采集结果具有较好的区分度，适合开展临床应用。

讨论

本研究回顾性分析了在我院血液科行自体PBSC采集术的恶性血液病患者的临床数据。通过多因素Logistic回归分析筛选出影响自体PBSC采集结果的11项危险因素，包括性别、吸烟史、C反应蛋白、白细胞计数、红细胞计数、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、血红蛋白含量、红细胞比积、血小板计数和血小板分布宽度。其中患者C反应蛋白、红细胞计数、血小板计数和血小板分布宽度与既往研究存在差异。有研究表明，自体PBSC采集结果与患者早期化疗时间、化疗程度有关，化疗导致各种血细胞出现不同程度降低^{[5, 18]}。但在细胞刺激因子作用下，PBSC会分化为各种血细胞。PBSC除了具备分化功能，还具备自我增殖能力，且分化和增殖比例通常保持在0.5左右，即化疗后血细胞越多，PBSC越多，而红细胞、血小板在外周血中占比较多，在一定程度上能够反映患者外周血中的PBSC数量。男性患者PBSC采集成功率为84.70%，高于女性患者的72.12%，这与陈晓等^[9]和Mauvais-Jarvis^[19]的研究结果相一致，主要是因为多数血液病患者需要进行不同程度的化疗，造成其免疫能力较低。而女性因雌性激素分泌及月经等因素而易发生感染，体内免疫系统被唤醒，且在干细胞刺激因子的作用下，CD34⁺和MNC细胞分化为免疫系统功能细胞，因此造成女性体内PBSC少于男性，最终导致女性PBSC采集失败率高于男性。

在模型预测方面，由于Logistic、BPNN、SVM、LSSVM、XGBoost、Auto-ML等机器学习算法区分度高且适应各种非线性问题，因此被广泛用于临床疾病风险预测与诊断，并取得较好的效果。龚军等^[20]和黄浩东等^[21]采用患者一般临床资料、血常规指标、生化指标作等数据，对BPNN、SVM、XGBoost等机器学习算法进行训练，实现了对原发性高血压并发冠心病的患病风险预测，模型精度分别为0.926和0.682。此外，欧笛等^[22]采用SVM、随机森林(Random Forest，RF)、深度学习等算法对乳腺结节良恶性判断进行研究。何文君等^[23]采用RF、Boost、SVM、人工神经网络ANN等机器学习算法构建了AML 1年预后模型，取得了较好的预测效果。然而，在ASCT领域相关研究极度缺乏，尤其是自体PBSC采集结果预测，导致临床医护人员缺少参考。本研究为国内首次采用机器学习模型实现对自体PBSC采集结果的预测，并采用5折交叉验证法，分别对Logistic、BPNN、LSSVM、Auto-ML等4种机器学习算法进行训练和验证。Auto-ML模型训练集AUC为0.988(95%CI：0.828~0.997)，验证集为0.965(95%CI：0.832~0.978)，其性能优于其他3种模型，主要是因为Auto-ML具有超强的学习和泛化能力，不需要对模型结构进行调整及其他人工干预，因此在使用过程中能够减少由人工参数调节所带来的模型误差。

虽然Auto-ML模型对自体PBSC采集结果有较好的区分能力，但本研究仍然存在一定的局限性：(1)在指标选取时未纳入患者生化指标的影响。(2)数据来源比较单一，可能存在选择偏倚。(3)虽然采用了部分临床患者数据进行了验证，但是与模型训练集数据相比，数据量仍然偏少，在后续研究中需要收集更多的临床数据对该模型进行验证。

综上，本研究基于我院血液内科就诊的恶性血液病患者的自体PBSC采集数据，筛选出11项PBSC采集结果危险因素，构建了多种机器学习模型，结果显示基于Auto-ML模型对PBSC采集结果具有良好的预测能力。本研究所建立的Auto-ML模型可以应用于临床PBSC采集结果预测和决策支持系统，从而提高自体PBSC采集的成功率，改善患者生存，减轻患者负担。

作者贡献声明  李若冰  数据统计和分析，论文构思和撰写。唐古生  资助获取，研究设计，论文修订。罗艳蓉  实验操作，制图制表。黄佳莹，张倩倩  实验操作，数据采集和整理。鲁桂华  研究选题和设计，论文指导。

利益冲突声明  所有作者均声明不存在利益冲突。