相关实验视频
Updated: Jan 9, 2026

An Adoptive Transfer Model of Rheumatoid Arthritis in Mice
Published on: June 6, 2025
开发可解释的机器学习模型,以预测在接受甲醇治疗的类风湿性关节炎患者的副作用:全国性的多中心队列研究
Junbeom Jang1, Woo Jin Kim2, Sang Won Park3
1Department of Medical Sciences, Kangwon National University, Chuncheon-si, The Republic of Korea.
机器学习模型准确地预测了类风湿性关节炎患者的甲状腺素的副作用. 可解释的人工智能识别风险因素,使得个性化治疗和改善安全监测能够为甲醇使用者提供帮助.
科学领域:
- 类风湿病学 类风湿病学
- 人工智能的人工智能
- 临床药理学 临床药理学
背景情况:
- 甲托雷克萨特 (MTX) 是类风湿性关节炎 (RA) 的基石疗法.
- 使用MTX与显著的副作用 (SE) 相关,包括胃肠道 (GI) 问题,肝毒性和骨髓抑制.
- 预测和缓解MTX相关的SE对于患者管理至关重要.
研究的目的:
- 开发可临床解释的机器学习 (ML) 模型,用于预测RA患者的MTX相关SE.
- 使用可解释的人工智能 (XAI) 识别MTX SE患者特异性风险因素.
- 为了实现个性化的风险分层,并通过使用真实世界的数据来加强MTX安全监测.
主要方法:
- 这是一项回顾性病例控制研究,利用来自韩国23家风湿病诊所的全国多中心观察数据.
- 分析包括2375名接受MTX的RA患者,其倾向性得分与整体SE (1654名患者) 和GISE (1218名患者) 队列相匹配.
- 极端梯度提升被用于ML分类,SHapley添加式扩展 (SHAP) 用于模型解释性.
主要成果:
- 极端梯度增强在预测整体SE (AUC 0.781) 和GI SE (AUC 0.701) 中取得了高性能.
- 由SHAP识别的关键预测特征包括年龄,医生视觉模拟量表得分,氨酸转移酶,健康评估问卷得分,赛莱科西布使用和药物坚持.
- 提升模型的性能明显优于支向量机 (p<0.001).
结论:
- 可解释的ML模型可以使用现实世界的数据准确地预测RA患者的MTX相关的SE.
- 这些模型有助于早期识别高风险个体,以制定个性化治疗策略.
- 将其集成到临床决策支持系统中可以改善MTX安全监测,并建议进行前性验证.
更多相关视频
04:50Preliminary Study on Acupuncture Combined with Grain-sized Moxibustion for Treating Rheumatoid Arthritis with Finger Joint Pain
Published on: May 16, 2025
10:46A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Therapeutic Drug Monitoring: Affecting Factors
Mechanistic Models: Compartment Models in Individual and Population Analysis
Drugs for Treatment of Crohn's Disease in IBD Using Immunomodulatory Agents
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Regression Toward the Mean