在接受化疗的患者中,利用机器学习预测细菌和真菌的血液感染
Adhemar Villani Júnior1, Maristela P Freire2, Felippe Lazar Neto3
1School Of Arts, Sciences and Humanities, University of Sao Paulo, Sao Paulo, Brazil.
European journal of cancer (Oxford, England : 1990)
|May 18, 2025
概括
机器学习准确地预测化疗患者的血液感染,即使是非中性衰竭病例. 这个工具可以指导临床治疗和感染诊断.
科学领域:
- 在瘤学瘤学.
- 传染性疾病 传染性疾病
- 医疗信息学 医疗信息学
背景情况:
- 血液感染 (BSI) 是接受化疗的患者的一个重大问题.
- 早期和准确的BSI预测可以改善患者的治疗结果,并指导及时的干预.
研究的目的:
- 开发和评估一种机器学习 (ML) 模型,用于预测接受化疗的癌症患者的血液感染 (BSI).
- 在这个脆弱的患者群体中确定BSI的关键预测因素.
主要方法:
- 从19,225名癌症患者 (2017-2022) 的107,757次化疗周期进行了回顾性分析.
- 数据包括患者人口统计,癌症类型,化疗细节和实验室结果.
- 测试了多个ML算法,使用SHapley添加式扩展 (SHAP) 评估特征重要性.
主要成果:
- 性能最好的模型是神经网络,达到91.93%的AUC,70.7%的灵敏度和93.49%的特异性.
- BSI的关键预测因素包括第一个化疗周期,抗代谢剂使用,息化疗,单细胞减小和血液恶性瘤.
- BSI发生在1.33%的周期中,在非中性衰竭患者中占有显著比例.
结论:
- 机器学习模型可以有效地预测化疗患者的血液感染.
- 开发的ML模型显示了临床应用的潜力,以指导治疗和感染处理,包括非中性衰竭病例.
