以色列Chaim Sheba 医学中心血液学和骨髓移植部Roni Shouval等报告，交替决策树模型为急性白血病(AL)患者异基因造血干细胞移植术(HSCT)前的风险评估提供了强大的工具，并可提供在线服务。该连续型概率评分系统既可用于预测100天的总死亡率(OM)，也可预测2年的总死亡率。(J Clin Oncol. 2015年8月3日在线版)

HSCT可能治愈AL，但患者需要承担相当大的风险。机器学习算法是数据挖掘方法的一部分，可用于预测移植相关死亡风险。该项回顾性队列研究自欧洲急性白血病造血干细胞移植工作组入组28 236例接受了HSCT的成人AL患者，主要研究目的是预测HSCT后100天的总死亡率(OM)，次要研究目的是预测非复发死亡率、无白血病生存率和2年总体生存率。研究者对供者、受者和程序特性进行了分析，同时利用交替决策树机器学习算法来开发数据集的模型(含70%的数据)，并验证剩余的数据。

结果显示，100天OM为13.9%(3936例)。在所选的20个变量中，有10个变量最终进入模型以预测OM，同时发现其间存在的几种交互作用。经logistic变换，100天OM的原始数据被转换成个体概率(3%～68%)。该模型的主要指标区分度优于欧洲急性白血病造血干细胞移植工作组的得分(曲线下面积：0.701 vs 0.646，P<0.001)。

 (编译 程梅 审校 邱林)