Szekciók

Napjainkban a mesterséges intelligencia (MI) alkalmazása az élet minden területén, így az állategészségügyben is egyre inkább előtérbe kerül. Az MI nagy mennyiségű adat hatékony kezelésére és elemzésére alkalmas, így jelentős támogatást nyújthat a mindennapi klinikai diagnosztikában. Kutatásunk célja egy olyan predikciós modell kifejlesztése volt, amely objektív klinikai adatok alapján előre jelzi a lymphomás kutyáknál a kemoterápiás kezelést követően fellépő neutropeniát. Ennek felismerése kiemelkedő jelentőségű, mivel késleltetheti a következő kemoterápiás ciklust, ami kedvezőtlenül befolyásolja a terápia hatékonyságát. A modell által adott korai jelzés lehetővé teszi a kezelő állatorvos számára a páciens célzott monitorozását és az időben megkezdett szupportív terápiát. Elemzésünkbe az Állatorvosi Hematológiai és Onkológiai Központban (ÁHOK) 2022. január 12. és 2025. október 31. között kemoterápiás kezelésben részesült, lymphomával diagnosztizált kutyák kórlapjait vontuk be. A modell pontosságának és objektivitásának biztosítása érdekében jól mérhető, egzakt klinikai és kezelési paraméterekkel dolgoztunk. A betegspecifikus adatok közül a testtömeget (kg) és annak időarányos változását (%) és az állat korát (év), a kezelésre vonatkozóan a kemoterápiás hatóanyagot, annak dózisát, a kezelési ciklus sorszámát, valamint az esetleges kiegészítő szteroidterápiát rögzítettük. A hematológiai mellékhatások előfordulását, azok megjelenési idejét, valamint súlyosságát a Veterinary Cooperative Oncology Group Common Terminology Criteria for Adverse Events (VCOG-CTCAE) iránymutatása alapján állapítottuk meg egy 0-tól 2-ig terjedő skálán: 0 (nem jelentkezett mellékhatás), 1 (enyhe/mérsékelt mellékhatás, amely nem igényelt beavatkozást vagy kórházi ellátást) és 2 (súlyos mellékhatás, amely orvosi beavatkozást tett szükségessé). Az objektivitás megőrzése érdekében ezen súlyossági kategóriákat konkrét laboratóriumi referenciaértékekhez kötöttük.

A kifejlesztett predikciós modell teljesítményének értékelése 85 kutya összesen 692 kemoterápiás ciklusának adatain, 35 független tesztfuttatás átlagában történt. A modell az elsődleges klinikai célként kitűzött súlyos, Grade 2-es neutropeniás eseteknél 80,6%-os érzékenységet (sensitivity) ért el, ami a súlyos szövődmények megbízható felismerését jelenti (30,6/38 eset). Az enyhébb és súlyos eseteket együttesen vizsgálva (Grade 1 és Grade 2) az összérzékenység 64,3% volt (102/159 eset). A modell fajlagossága (specificity) 79,9%-nak adódott, azaz a szövődménymentes (Grade 0) ciklusok több mint kétharmadát helyesen azonosította, mindössze az esetek 20,1%-ánál adva téves riasztást. A pozitív prediktív érték (precision) 48,9% volt — ami azt jelenti, hogy minden második kiadott figyelmeztetés mögött valódi neutropeniás esemény állt —, míg a negatív prediktív érték 88,3%-os eredménye igazolja, hogy negatív jelzés esetén a szövődménymentesség nagy biztonsággal feltételezhető.