一个不断发展的基于机器学习的算法,用于早期预测偏头痛患者对抗CGRP单克隆抗体的反应
Marina Romozzi1,2, Ammar Lokhandwala3, Catello Vollono1,2
1Dipartimento Universitario di Neuroscienze, Università Cattolica del Sacro Cuore, Rome, Italy.
Cephalalgia : an international journal of headache
|December 10, 2024
概括
机器学习模型可以早期预测对单克隆抗体 (mAbs) 的偏头痛治疗反应,这些抗体是针对素基因相关 (CGRP) 的. 使用这些模型的不断发展的预测工具显示了优化患者结果的希望.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 药理学 药理学是指药理学的学科.
背景情况:
- 用单克隆抗体 (mAbs) 治疗偏头痛,以向素基因相关 (CGRP) 或其受体,是显著的治疗进步.
- 预测个体患者对抗CGRP mAbs的反应对于优化治疗策略至关重要.
研究的目的:
- 开发和验证基于机器学习 (ML) 的模型,用于预测偏头痛患者对抗CGRP mAbs的3个月,6个月和12个月治疗反应.
- 创建一个不断发展的预测工具,利用早期临床预测因素 (在治疗开始一个月内).
主要方法:
- 一项前性队列研究收集了抗CGRP mAbs.治疗偏头痛患者的人口统计和月度临床数据.
- 随机森林ML模型使用准确性和AUC-ROC等指标进行训练和验证,采用顺序倒向特征选择.
- 模型包含了基线数据和每月预测指标,与外部测试队列进行验证.
主要成果:
- 开发了六种ML模型,以预测3,6个月和12个月的治疗反应.
- 模型在内部和外部验证中显示出适度的预测性能,准确度在0.39-0.73之间,AUC-ROC在0.52-0.78之间.
- 每月减少头痛的日子成为一个关键预测因素,而偏头痛与光环的效果不那么好.
结论:
- 基于ML模型的不断发展的预测工具显示,在接受偏头痛抗CGRP mAbs的患者中,早期预测治疗结果的潜力.
- 这种工具可以帮助临床医生及时做出治疗决策并管理患者的期望.
