与PD-1/PD-L1抑制剂相关的心脏不良事件的基于组合学习的两阶段预测和分级模型:一个多中心的回顾性研究
Xitong Cheng1, Zhaochun Wu2, Jierong Lin1
1Department of Pharmacy, Fujian Medical University Union Hospital, Fuzhou, PR China; College of Pharmacy, Fujian Medical University, Fuzhou, PR China.
Computer methods and programs in biomedicine
|August 20, 2024
概括
这项研究开发了一种机器学习模型,用于预测和评分来自PD-1/PD-L1抑制剂的免疫相关心脏不良事件 (ircAEs),以帮助患者管理.
科学领域:
- 心脏病学 心脏病学
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 来自PD-1/PD-L1抑制剂的免疫相关心脏不良事件 (ircAEs) 可能是严重的和致命的.
- 有效的预测和分级对于患者管理至关重要.
研究的目的:
- 为ircAEs开发一个强大的预测和分级模型.
- 为接受免疫治疗的患者提供分级管理策略.
主要方法:
- 使用了两个阶段的集体学习框架与十个机器学习算法.
- 采用可变选方法和五倍交叉验证用于模型开发.
- 使用AUC,AUPR,准确性,精度,回忆和F1分数等指标评估性能.
主要成果:
- 软投票分类器在预测和分级阶段都表现出卓越的表现.
- 预测的平均AUC为84.18%,分级的平均AUC为85.13%.
- 确定了包括NT-proBNP,IL-2,CRP,年龄和LVEF在内的关键预测变量.
结论:
- 开发的两阶段合体学习模型在ircAE预测和分级方面表现强.
- 该模型具有显著的临床应用潜力,用于管理免疫治疗相关心脏毒性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:07Monitoring PD-1-Blocking Antibodies Bound to T Cells Derived from a Drop of Peripheral Blood
Published on: February 5, 2020
5.7K
