機械学習技術を用いた非典型抗精神病薬による急性中毒におけるQTc延長の予測:毒害管理センターの研究
Asmaa Fady Sharif1,2, Ahmad Hafez3, Manar Maher Fayed1
1Forensic Medicine and Clinical Toxicology Department, Faculty of Medicine, Tanta University, Tanta, Egypt.
機械学習モデルは,急性非典型抗精神病薬中毒患者のQTc間隔の延長と機械呼吸 (MV) を正確に予測します. ツリーベースのモデルは高い性能を示し,臨床応用の可能性を示しました.
科学分野:
- 薬理学について
- 毒理学について
- データサイエンス
背景:
- 異常な抗精神病薬の使用が増加し,急性中毒症例が増えています.
- QTc間隔の延長や 機械呼吸器 (MV) の必要性などの不良結果を予測することは極めて重要です.
研究 の 目的:
- 急性非典型抗精神病薬中毒におけるQTc間隔の延長とMVの予測のための機械学習モデルを開発し,検証する.
- 様々な機械学習分類器,特にツリーベースのモデルのパフォーマンスを評価する.
主な方法:
- 急性非典型抗精神病薬中毒患者355人を対象とした遡及研究.
- ロジスティック回帰,SVM,KNN,ツリーベースのモデル (ランダムフォレスト,XGBoost,LightGBM,CatBoost,グラデントブースト) を含む8つの機械学習分類者の開発と比較.
- 外部テストデータセットを使用したモデル検証と,ハイパーパラメータ最適化による内部5倍クロス検証.
主要な成果:
- 樹木ベースのモデルは,延長されたQTc間隔を予測するためのトレーニングデータで100%の特異性,リコール,精度,精度,AUCを達成しました.
- MVの必要性を予測するモデルでも同様の高い性能が見られた.
- 検証後,ツリーベースのモデルは強いAUC (0. 927- 0. 958) と正確性 (> 0. 901) を維持した.
結論:
- 機械学習,特にツリーベースのモデルは,急性非典型抗精神病薬中毒の有害な結果に対する高い予測能力を示しています.
- モデルは臨床的決定支援に有望であるが,より広範な一般化のためにより大きなコホートでの検証が必要である.
さらに関連する動画
07:41Modeling Fast-scan Cyclic Voltammetry Data from Electrically Stimulated Dopamine Neurotransmission Data Using QNsim1.0
Published on: June 5, 2017
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
関連する概念動画
Psychosis: Goals of Pharmacotherapy
Depolarizing Blockers: Pharmocokinetics
Antipsychotic Drugs: Typical and Atypical Agents
Anticholinesterase Agents: Poisoning and Treatment
Irreversible agents form a strong bond with the cholinesterase enzyme, making it inactive. The breakdown of the phosphorylated enzyme is...
Chemotherapy-Induced Nausea and Vomiting: Dopamine Receptor Antagonists
Phenothiazines, such as prochlorperazine...
Antiarrhythmic Drugs: Class III Agents as Potassium Channel Blockers
