机器学习模型用于预测不同VEGFR2基因型的心肌梗塞患者的MACE风险
Alexander Kirdeev1, Konstantin Burkin1, Anton Vorobev2
1Faculty of Computer Science, AI and Digital Science Institute, International Laboratory of Bioinformatics, Higher School of Economics University, Moscow, Russia.
Frontiers in medicine
|September 20, 2024
概括
遗传因素,包括VEGFR-2基因型,可以预测心肌梗塞 (MI) 患者的主要不良心脏事件 (MACE). 高剂量的他类药物和临床因素显著降低了这种风险,使得个性化医疗方法成为可能.
科学领域:
- 心脏病学 心脏病学
- 遗传学 遗传学 是一个
- 机器学习 机器学习
背景情况:
- 预后模型对于识别高风险心肌梗塞 (MI) 患者的个性化医疗至关重要.
- 遗传因素在预测心脏主要不良事件 (MACEs) 中对心脏病发作患者的作用仍未得到充分研究.
研究的目的:
- 开发一种机器学习 (ML) 模型,使用临床,成像,实验室和遗传数据预测MI患者的MACE.
- 评估遗传特征对ML模型预测准确性的影响.
主要方法:
- 分析了218名心脏病发作患者的数据,包括临床,成像和实验室数据.
- 患者的基因型为VEGFR-2变异rs2305948.8的基因型.
- 机器学习模型 (CatBoost,随机森林,物流回归,AutoML) 被训练和评估,对MACE进行了9年的随访.
- 顺序特征选择 (SFS) 和SHAP方法用于特征重要性分析.
主要成果:
- CatBoost模型实现了0.813的ROC AUC,使用SFS选择的特性.
- 类固醇剂量是最重要的预测因素,其次是VEGFR-2基因型,冠状动脉病变,左心室参数,糖尿病,再血管化类型和年龄.
- 预测因素被发现具有附加效应,有助于累积风险.
结论:
- 这种ML模型证实了VEGFR-2基因型与心肌梗塞患者中MACE风险增加之间的关联.
- 高剂量的他类药物,缺乏冠状动脉病变,缺乏糖尿病和年轻的年龄显著降低了这种风险.
