炎症指数,機械学習,人工知能は,子宮外妊娠管の管理に役立ちます

科学分野:

• 生殖内分泌学 生殖内分泌学
• 臨床化学 臨床化学について
• 医療情報工学 医療情報工学

背景:

• 管外妊娠 (TEP) は重大なリスクを持ち,メトトレキサート (MTX) が主な治療薬である.
• MTX治療の結果を予測することは,TEPの効果的な管理と外科介入の予防に不可欠です.
• 治療の成功を予測する現在の方法には限界があり,新しい予測マーカーが必要である.

研究 の 目的:

• TEPにおけるMTX治療の結果に対する様々な血液学および生化学的炎症指標の予測能力を評価する.
• MTX治療を受けているTEP患者の個別化されたリスク分層化のための機械学習 (ML) モデルの開発と評価.

主な方法:

• 血液動力学的に安定したTEP患者293人を対象に,単回投与MTX.で治療したレトロスペクティブコホート研究.
• 炎症指数の計算と分析:中性粒子のリンパ球比 (NLR),全身性炎症反応指数 (SIRI),全身性炎症の総指数 (AISI),および線維素とアルブミン比 (FAR).
• 治療の成功,追加のMTXの必要性,または手術を予測するために,受信機の動作特性分析を使用して5つの監督MLアルゴリズムの評価.

主要な成果:

• 1回投与のMTXは患者の65.5%で成功し,18.4%が追加のMTXを必要とし,16.0%が手術を必要とした.
• AISI,SIRI,FARは,外科介入の予測精度が高いことを示した (AUCはそれぞれ0.929,0.899,0.847).
• ネイヴ・ベイズ・MLモデルは,優れた外科的予測 (精度98.3%,AUC 0.998) を達成し,ランダムな森林とグラデーションの増強は,追加のMTXの必要性を予測することに優れていた.

結論:

• 総合的全身炎症指数 (AISI),全身炎症反応指数 (SIRI),および線維素対アルブミン比 (FAR) は,TEPにおけるMTX不全と手術の必要性の強力な予測指標である.
• これらの炎症バイオマーカーをMLモデルと統合することで,予測性能が著しく向上し,パーソナライズされたTEP管理戦略をサポートします.
• これらの予測モデルの広範な臨床採用の前に,マルチセンターの将来的な検証が推奨されます.