一个机器学习算法来预测在中国川崎病的治疗有效性:一个追溯模型开发和验证研究
Xuemei Li1, Zihan Zhou1, Jingyi Fan1
1Department of Pediatrics, Shengjing Hospital of China Medical University, Shenyang, Liaoning, China.
Frontiers in immunology
|December 12, 2025
概括
这项研究开发了一种机器学习模型,用于预测患有川崎病 (KD) 的儿童的静脉注射免疫球蛋白 (IVIG) 耐药性. 该模型有助于个性化治疗策略,以获得中国儿科患者更好的治疗结果.
科学领域:
- 儿童心脏病学 儿童心脏病学
- 计算医学是一种计算医学.
- 免疫学 免疫学 免疫学
背景情况:
- 川崎病 (KD) 是儿童获得心脏病的主要原因.
- 静脉注射免疫球蛋白 (IVIG) 是对KD的标准一线治疗方法.
- 目前,在中国KD患者中缺乏IVIG耐药性的预测工具.
研究的目的:
- 开发和验证一种机器学习模型,用于预测中国KD儿科患者IVIG不响应.
- 为满足对该群体可靠治疗疗效预测工具的需求.
- 为KD管理提供个性化治疗策略.
主要方法:
- 京医院KD患者的回顾性队列研究.
- 利用了36个人口,临床和实验室参数.
- 使用最小绝对缩小和选择操作员 (LASSO) 回归和CatBoost机器学习算法.
- 使用不同的患者队列进行内部和外部验证.
主要成果:
- CatBoost模型表现出高性能,AUC为0.960 (内部验证为0.862,外部验证为0.834).
- 在综合评估中获得了优异的灵敏度 (0.883) 和特异性 (0.889).
- 内部验证显示灵敏度为0.716和特异性为0.877;外部验证显示灵敏度为0.817和特异性为0.838.
结论:
- 已经开发了一个强大的机器学习模型来预测中国KD患者的IVIG不响应.
- 这种预测工具可以帮助临床医生定制治疗计划.
- 该模型有可能改善川崎病儿童的整体预后.