在接受PD-1和PD-L1抑制剂治疗的癌症患者中诱导皮肤不良反应的因素:机器学习算法方法
Young-Ah Cho1, Youngyun Moon2, Wooyoung Park2
1The Prime Hospital, Jinju, Gyeongsangnam-do, Republic of Korea.
Immunopharmacology and immunotoxicology
|November 14, 2024
概括
这项研究发现,抗组胺使用和癌症转移与免疫检查点抑制剂 (ICI) 的皮肤反应增加有关. 糖尿病和阿片类药物使用与较少的皮肤问题有关,有助于个性化ICI治疗策略.
科学领域:
- 在瘤学瘤学.
- 皮肤病学 皮肤病学
- 免疫学 免疫学 免疫学
背景情况:
- 免疫检查点抑制剂 (ICI) 是重要的癌症疗法,但可以引起与免疫相关的不良事件 (irAEs),特别是皮肤反应.
- 了解影响这些皮肤反应的患者特定因素对于管理ICI治疗至关重要.
- 这项研究调查了接受ICI治疗的癌症患者的患者特征和皮肤不良事件之间的关联.
研究的目的:
- 在接受ICI治疗的癌症患者中,确定与皮肤不良反应相关的患者特征.
- 探索机器学习模型对预测ICI诱导的皮肤毒性的有用性.
主要方法:
- 分析了接受ICI的209名癌症患者的队列.
- 统计分析包括千平方测试,费舍尔的精确测试和多变量逻辑回归.
- 机器学习模型 (逻辑回归,弹性网,随机森林,SVM) 已开发,以预测皮肤不良事件.
主要成果:
- 抗胰岛素使用和癌症转移与较高的皮肤反应发病率显著相关.
- 糖尿病和阿片类药物使用与较低的皮肤不良事件率存在相关性.
- 预测模型,特别是逻辑回归和弹性网,在预测这些事件方面表现强.
结论:
- 患者的特征显著影响开发ICI皮肤反应的风险.
- 预测模型可以帮助主动管理ICI诱导的皮肤毒性.
- 基于风险因素和预测分析的个性化治疗策略可以优化ICI治疗结果.
更多相关视频
07:42Patient-Derived Tumor Explants As a "Live" Preclinical Platform for Predicting Drug Resistance in Patients
Published on: February 7, 2021
4.8K
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
