使用有限采样策略预测患有自身免疫性疾病的儿童的基酸暴露:一项回顾性研究
Ping Zheng1,2, Ting Pan3, Ya Gao4
1Department of Pharmacy, Nanfang Hospital, Southern Medical University, Guangzhou, China.
Clinical and translational science
|December 27, 2024
概括
这项研究开发了一种机器学习模型,以使用更少的血液样本预测患有自身免疫疾病的儿童暴露于基酸 (MPA). Wide&Deep模型只用三个样本准确估计MPA水平,从而减少了患者的不适.
科学领域:
- 药理动力学和药理动力学
- 机器学习在医学中的应用
- 儿童自身免疫性疾病 儿童自身免疫性疾病
背景情况:
- 菌酸 (MPA) 对于治疗儿科自身免疫性疾病至关重要.
- 建议对MPA进行治疗药物监测,但需要经常抽血,导致患者痛苦和资源效率低下.
- 计算血度-时间曲线 (AUC) 下的面积需要多个血液样本.
研究的目的:
- 开发和验证用于预测儿科患者MPA暴露的机器学习模型.
- 为了优化MPA治疗药物监测的采样频率.
- 为了减少患者的不适和医疗保健资源的利用.
主要方法:
- 在2018年6月至2023年6月期间,收集了209名儿科自身免疫患者的数据.
- 采用10个机器学习和深度学习算法 (包括Wide&Deep) 用两,三或四个血度来模拟MPA暴露.
- 利用单变量分析来选择特征,并根据预测准确度 (R2) 评估模型性能.
主要成果:
- 广深模型在评估的算法中表现出最好的预测性能.
- 使用Wide&Deep模型进行的MPA暴露预测显示,在3或4个血度点 (R2 ≈ 1为4个点,R2 = 0.95为3个点) 的情况下,准确度相似.
- 在使用3个和4个采样点 (p=0.06) 的模型之间,没有发现精度 (±30%) 的显著差异.
结论:
- 宽深模型准确地估计了儿童自身免疫性疾病患者的MPA暴露,仅使用三个血液样本.
- 这种优化的采样策略可以显著减少患者的不适.
- 开发的模型提供了一个实用的临床工具,以提高MPA治疗药物监测效率和患者体验.
