使用机器学习技术预测急性中毒的QTc延长:毒药控制中心的一项研究
Asmaa Fady Sharif1,2, Ahmad Hafez3, Manar Maher Fayed1
1Forensic Medicine and Clinical Toxicology Department, Faculty of Medicine, Tanta University, Tanta, Egypt.
机器学习模型可以准确预测急性非典型抗精神病药中毒患者的QTc间隔延长和机械呼吸 (MV). 基于树的模型显示出高性能,表明临床应用的潜力.
科学领域:
- 药理学
- 毒理学
- 数据科学
背景情况:
- 不典型的抗精神病药物使用增加,导致更多的急性中毒病例.
- 预测QTc间隔延长和机械通风 (MV) 的需要等不良结果至关重要.
研究的目的:
- 开发和验证用于预测急性非典型抗精神病药物中毒的延长QTc间隔和MV的机器学习模型.
- 评估各种机器学习分类器的性能,特别是基于树的模型.
主要方法:
- 对355名急性非典型抗精神病药物中毒患者进行了回顾性研究.
- 开发和比较八个机器学习分类器,包括物流回归,SVM,KNN和基于树的模型 (随机森林,XGBoost,LightGBM,CatBoost,梯度提升).
- 使用外部测试数据集进行模型验证,并使用超参数优化进行内部五倍交叉验证.
主要成果:
- 基于树的模型在训练数据上实现了100%的特异性,回忆,精度,准确性和AUC,用于预测延长的QTc间隔.
- 预测MV需求的模型也获得了类似的高性能.
- 在验证后,基于树的模型保持了强大的AUC (0. 927- 0. 958) 和准确性 (> 0. 901).
结论:
- 机器学习,特别是以树为基础的模型,对急性非典型抗精神病药物中毒的不良结果具有很高的预测能力.
- 这些模型显示出临床决策支持的前景,但为了更广泛的概括,需要对更大的队列进行进一步验证.
更多相关视频
07:41Modeling Fast-scan Cyclic Voltammetry Data from Electrically Stimulated Dopamine Neurotransmission Data Using QNsim1.0
Published on: June 5, 2017
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
相关概念视频
Psychosis: Goals of Pharmacotherapy
Depolarizing Blockers: Pharmocokinetics
Antipsychotic Drugs: Typical and Atypical Agents
Anticholinesterase Agents: Poisoning and Treatment
Irreversible agents form a strong bond with the cholinesterase enzyme, making it inactive. The breakdown of the phosphorylated enzyme is...
Chemotherapy-Induced Nausea and Vomiting: Dopamine Receptor Antagonists
Phenothiazines, such as prochlorperazine...
Antiarrhythmic Drugs: Class III Agents as Potassium Channel Blockers
