在接受免疫检查点抑制剂的患者中预测30天的心脏毒性:使用XGBoost的观察性研究
Jialian Li1, Zulu Chen1, Yuxi Zhu2
1Department of Cardiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, 400016, China.
Cardiovascular toxicology
|April 10, 2025
概括
早期预测免疫检查点抑制剂 (ICI) 心脏毒性至关重要. 一个使用心脏托罗邦尼T的XGBoost模型实现了0.83AUC,优于其他模型,用于更好的患者监测和治疗.
科学领域:
- 心脏病学 心脏病学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 免疫检查点抑制剂 (ICI) 治疗可能会导致心脏毒性,这是一种严重并发症,死亡率高.
- 早期预测ICI相关心脏毒性对于患者管理至关重要,但目前的临床工具有限.
研究的目的:
- 开发和验证ICI相关心脏毒性早期预测模型.
- 为了比较 eXtreme梯度提升 (XGBoost) 与物流回归和随机森林算法的性能.
主要方法:
- 对接受ICI治疗的419名患者的回顾性分析 (2020年1月 - 2023年12月).
- 使用物流回归,随机森林和XGBoost开发预测模型.
- 使用曲线下面面积 (AUC) 和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- XGBoost模型实现了最高的预测性能,AUC为0.83.
- XGBoost的表现优于后勤回归 (AUC:0.80) 和随机森林 (AUC:0.74) 模型.
- 心脏中热素T (cTnT) 被确定为心脏毒性最重要的预测因子.
结论:
- 开发的XGBoost模型在预测ICI相关心脏毒性方面表现出很高的准确性.
- 这个模型可以帮助临床医生进行个性化风险分层和及时干预心脏毒性.
- 早期识别有助于为接受ICI治疗的患者量身定制的监测和治疗策略.
