机器学习算法用于预测HIV感染者在开始HAART治疗6个月后高脂血症的风险
Yi Ding1, Jialu Li, Chengyu Gao
1Clinical and Research Center of AIDS, Beijing Ditan Hospital, Capital Medical University, China.
AIDS (London, England)
|May 21, 2025
概括
机器学习有效地预测艾滋病毒感染者 (PLWHs) 开始高活性抗逆转录病毒疗法 (HAART) 的超脂血症风险. 这有助于早期干预,预防心血管疾病.
科学领域:
- 医疗信息学 医疗信息学
- 预防心血管疾病 预防心血管疾病
- 艾滋病毒 医学 艾滋病毒 医学
背景情况:
- 艾滋病毒感染者 (PLWHs) 患心血管和脑血管疾病的风险增加.
- 高活性抗逆转录病毒疗法 (HAART) 可以影响脂质代谢,可能增加超脂血症风险.
- 在PLWH中早期发现高脂血症风险对于及时干预至关重要.
研究的目的:
- 开发和验证机器学习模型,在启动HAART后的六个月内预测PLWH中超脂血症风险.
- 加强早期干预策略,减轻心血管和脑血管并发症.
主要方法:
- 利用北京迪坦医院 (2015年1月至2023年1月) 的HAART-naive个体的电子病历.
- 开发和比较分类模型,包括随机森林,XGBoost和LightGBM.
- 使用精度,正负预测值,灵敏度,特异性,ROC曲线,精度回忆曲线和决策曲线分析评估模型性能.
主要成果:
- 在训练和测试数据集中,LightGBM模型表现出卓越的性能.
- 通过SHAP分析确定的关键预测因素包括基线HDL-C,TG,病毒载量,年龄,白蛋白,单细胞计数,CD4细胞计数,尿酸,淋巴细胞计数和性别.
- 该模型在决策曲线分析中表现良好.
结论:
- 轻GBM模型有效地预测了PLWH发起HAART的超脂血症风险.
- 医生应密切监测脂质水平,并考虑及时采取降脂药物干预措施.
- 积极的管理可以帮助预防心血管疾病在这个人群.
更多相关视频
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
06:16Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
Published on: July 28, 2023
2.4K
