基于人工神经网络和物流回归的牛利普拉丁诱导肝损伤的预测模型
Rui Huang1, Yuanxuan Cai1, Yisheng He2
1School of Pharmacy, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, China.
Journal of clinical and translational hepatology
|January 1, 2024
概括
人工神经网络 (ANN) 模型显示,与逻辑回归相比,oxaliplatin诱导的肝损伤 (OILI) 的预测得到了改善. 关键预测因素包括患者年龄,化疗细节和联合使用的药物.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗信息学 医疗信息学
- 在瘤学瘤学.
背景情况:
- 氧化诱导的肝损伤 (OILI) 对接受化疗的患者构成风险.
- 目前缺乏用于识别高风险个体的预测工具.
- 早期识别OILI风险对于患者管理至关重要.
研究的目的:
- 开发和评估人工神经网络 (ANN) 和物流回归 (LR) 模型,用于预测OILI风险.
- 为了比较ANN和LR模型在识别患有OILI风险的患者中的性能.
主要方法:
- 从10家医院收集关于接受氧沙治疗的患者的前性数据.
- 使用更新的罗塞尔Uclaf因果关系评估方法 (RUCAM) 来诊断OILI.
- 使用患者和药物特征开发和评估ANN和LR模型.
主要成果:
- OILI的发生率为3.65%.
- 与LR模型相比,ANN模型显示出更高的分辨率 (AUC 0.920与0.833) 和校准.
- 发现的重要预测因素包括年龄,化疗方案/循环,氧沙剂量以及使用葡萄糖皮质体/抗胰岛素药物.
结论:
- 与LR模型相比,ANN模型为预测OILI风险提供了更好的区分和校准能力.
- 同时使用的化疗药物可能会影响OILI,暗示潜在的特异反应.
- 需要进一步的研究来验证预防性药物治疗策略,以预防OILI.
