一个BTK抑制剂严重血液毒性的预测模型
Dan Jiang1,2,3,4, Zaiwei Song1,2,3, Peng Liu5
1Department of Pharmacy, Peking University Third Hospital, Beijing, 100191, China.
Annals of hematology
|July 26, 2023
概括
使用XGBoost的新预测模型可以识别来自布鲁顿氨酸激酶抑制剂 (BTKi) 严重血液毒性风险的患者. 该工具有助于积极管理B细胞淋巴瘤的持续治疗.
科学领域:
- 在瘤学瘤学.
- 血液学 血液学 血液学
- 生物信息学是一种生物信息学.
背景情况:
- 布鲁顿的氨酸激酶抑制剂 (BTKi) 对于治疗B细胞淋巴瘤至关重要,但血液毒性可能会中断治疗.
- 预测和管理BTKi相关的毒性对于维持治疗有效性和连续性至关重要.
研究的目的:
- 开发和验证BTKi.治疗的患者严重血液毒性的预测模型.
- 确定与BTKi诱导的血液毒性相关的关键风险因素.
主要方法:
- 分析了121名在中国接受BTKi治疗的患者的现实数据.
- 开发和比较了包括XGBoost在内的各种机器学习模型.
- 一个包含10个关键变量的XGBoost模型因其卓越的性能而被选中.
主要成果:
- 在XGBoost模型实现高分辨率 (AUC:0.671) 和准确度 (0.730) 在预测严重的血液毒性.
- 关键的预测变量包括WBC,中性粒细胞数,红细胞,PLT,纤维素原,总蛋白,AST,LDH,性别和BTKi类型.
- 为方便预测模型的临床应用,开发了一个网络计算器.
结论:
- 开发的XGBoost模型有效地预测了BTKi.的严重血液毒性.
- 该工具支持积极的患者监测和管理,使持续的BTKi治疗成为可能.
- 这些发现有助于优化B细胞淋巴瘤的治疗策略.
