在患有胃肠道 stromal 瘤的患者中,使用机器学习方法预测 imatinib 的坚持
Li Liu1,2, Ze Yu3, Hefen Chen1,2
1Department of Pharmacy, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Cancer
|September 6, 2024
概括
对伊马替尼布的不坚持影响了超过一半的胃肠瘤患者. 机器学习模型确定了认知功能,治疗药物监测,健康状况,社会支持和性别作为不坚持的关键预测因素.
科学领域:
- 在瘤学瘤学.
- 药理学 药理学是指药理学的学科.
- 数据科学数据科学数据科学
背景情况:
- 在胃肠道 stromal 瘤 (GIST) 管理中,对 imatinib 的不坚持是一个重要的问题.
- 这种不遵守与较差的患者结果和增加的财务压力有关.
研究的目的:
- 为了确定在GIST患者中意马提尼布不粘附率.
- 开发和应用机器学习 (ML) 和深度学习 (DL) 模型,以识别与不遵守相关的因素,并预测高风险个体.
主要方法:
- 利用了来自397名GIST患者的问卷数据.
- 应用并比较了十种ML/DL算法,包括Extreme梯度提升,LightGBM和随机森林.
- 确定了用于预测建模的统计学上显著的变量.
主要成果:
- 在研究队列中观察到53.4%的不遵守率.
- 轻GBM模型表现出最好的性能,平均f1_score为0.65.
- 意马替尼不坚持治疗的关键预测因素包括认知功能,治疗药物监测状态,全球健康状况,社会支持和性别.
结论:
- 这项研究是首次采用ML技术,在现实环境中预测GIST患者的伊马替尼不粘性风险因素.
- 识别高风险患者及其相关因素使得有针对性的干预措施能够改善治疗坚持.
