识别使用机器学习治疗中高风险发生心房的CLL患者

科学领域:

• 在瘤学瘤学.
• 心脏病学 心脏病学
• 血液学 血液学 血液学

背景情况:

• 慢性淋巴细胞白血病 (CLL) 患者服用布鲁顿的氨酸激酶 (BTK) 抑制剂时,心房动 (AF) 的风险增加.
• 现有的研究集中在CLL的AF流行率和诊断时的风险上,但不是治疗和风险因素在治疗开始时的相互作用.

研究的目的:

• 开发一个预测模型,在CLL患者的治疗开始时特定识别AF风险因素.
• 通过分析治疗类型和其他风险因素之间的相互作用来调查依赖治疗的风险因素.

主要方法:

• 提出了一种新的治疗意识预测建模方法.
• 包括BTK抑制剂治疗与其他已知的危险因素之间的相互作用.

主要成果:

• 开发的治疗意识模型在治疗开始时成功识别了与AF相关的风险因素.
• 结合治疗相互作用的模型与当前的风险评分相比,表现优越.

结论:

• 治疗意识的方法对于准确评估CLL患者开始治疗的AF风险至关重要.
• 考虑到治疗特异性相互作用的预测模型为CLL中AF提供了更好的风险分层.