预测先天性上腺增生症的治疗结果,使用尿液类固醇学和机器学习
Ozair Abawi1,2, Grit Sommer1,3, Michael Grössl3,4
1Division of Pediatric Endocrinology, Diabetology and Metabolism, Department of Pediatrics, Bern, University Hospital Inselspital, University of Bern, Bern 3010, Switzerland.
European journal of endocrinology
|June 14, 2025
概括
机器学习分析24小时尿中类固醇概况准确预测了先天性上腺增生症 (CAH) 的儿童的治疗控制. 这种方法为改善患者管理和监测治疗效果提供了一个有前途的工具.
科学领域:
- 内分泌学 在内分泌学.
- 儿科内分泌学 儿科内分泌学
- 临床化学 临床化学
背景情况:
- 对先天性上腺增生症 (CAH) 的治疗监测具有挑战性.
- 全方位的24小时尿中类固醇分析提供了对上腺类固醇代谢的详细见解.
研究的目的:
- 用机器学习 (ML) 研究24小时尿中类固醇分析在预测小儿CAH患者治疗控制中的实用性.
主要方法:
- 一项前性观察队列研究包括21-基酶缺乏症的儿童.
- 从24小时的尿液中测量了40种类固醇,使用气色谱-质谱法.
- 稀疏部分最小平方差分分析 (sPLS-DA) 用于预测治疗结果 (治疗不足,最佳治疗,过度治疗).
主要成果:
- 使用24小时尿液代谢物的机器学习模型实现了0.88的AUC来预测治疗控制.
- 特定的类固醇,如孕醇和17α-hydroxypregnanolone是关键预测因素.
- 结合临床变量略有提高了预测准确度,达到0.90.9的AUC.
结论:
- 基于ML对24小时尿中类固醇配置文件的分析有效预测儿科CAH的治疗结果.
- 这种方法显示了改善CAH治疗监测的潜力,即使没有临床数据.
- 常规的全方位24小时尿中类固醇分析可以提高CAH的临床管理.


