使用基于真实世界的证据的机器学习技术,预测抑郁症患者的奎蒂阿平剂量
Yupei Hao1,2, Jinyuan Zhang3, Jing Yu1,2
1Department of Clinical Pharmacy, the First Hospital of Hebei Medical University, Shijiazhuang, China.
Annals of general psychiatry
|January 6, 2024
概括
机器学习准确地预测了用于治疗抑郁症的奎提阿平剂量. 这种方法可以识别关键的患者因素,帮助临床医生制定个性化药物治疗方案,并改善患者的治疗结果.
科学领域:
- 药物基因组学和计算精神病学
- 机器学习在临床决策支持中的应用.
背景情况:
- 抑郁症是一种广泛的疾病,导致严重的功能障碍,许多患者对标准抗抑郁药物治疗没有完全反应.
- 奎平是一种常见的抗精神病药物,用于抑郁症的增强策略,但最佳剂量仍然具有挑战性.
- 需要个性化的奎蒂亚平治疗方案来提高疗效和患者的治疗结果.
研究的目的:
- 通过使用现实世界的数据,确定影响抑郁症患者quetiapine剂量的关键变量.
- 开发和评估机器学习模型,以预测最佳的奎提阿平剂量.
- 为了支持个性化抑郁症治疗方案的临床决策.
主要方法:
- 对308名住院的抑郁症患者的数据进行了单变量分析.
- 九个机器学习模型 (XGBoost,LightGBM,RF,GBDT,SVM,LR,ANN,DT) 在预测准确性方面进行了比较.
- 选择了表现最好的算法来构建提剂量预测模型.
主要成果:
- 确定了四个对提剂量有意义的预测因素:提TDM值,年龄,体内血红蛋白平均度和总胆汁酸.
- 在九个评估模型中,XGBoost算法实现了最高的预测性能 (准确率=0.69).
- 该模型在测试队列中表现出强大的预测能力和高的AUROC值,跨越不同的每日奎胺剂量 (100-400毫克).
结论:
- 机器学习技术首次成功应用于估计抑郁症中的奎提阿平剂量.
- 开发的预测模型为临床药物建议和个性化治疗策略提供了宝贵的支持.
- 这种方法有潜力优化在管理抑郁症中使用奎蒂阿平的方法.
