目的:基于人工智能技术建立肿瘤患者接受高致吐风险铂类药物化疗诱发恶心呕吐(CINV)的风险预测模型,为止吐方案的选择提供依据。方法:收集2018年1月至2022年12月在天津医科大学总医院肿瘤科登记的接受顺铂或卡铂[卡铂血药浓度-时间曲线下面积(AUC)≥4]肿瘤患者的临床信息,包括性别、年龄、饮酒史、孕吐史、化疗周期、患者对发生恶心呕吐的预期、化疗药物、止吐方案、院外止吐治疗、化疗前夜睡眠小于7 h、上周期发生CINV情况、肌酐清除率(Ccr)等。对数据进行预处理后随机分为训练集和测试集,训练集用于构建预测模型,测试集用于评价模型预测效能。分别采用梯度提升树(GBDT)、随机森林(RF)和逻辑回归(LR)3种算法建立预测模型,并对模型性能进行评价。评价指标包括准确度、灵敏度、召回率、F1值(灵敏度和召回率的调和平均数)和受试者工作特征曲线下面积(AUROC)。最后应用Shapley加法解释(SHAP)方法对有预测意义的临床特征进行可解释性分析。结果:本研究共纳入患者698例,男性439例(62.9
作者:张靖悦;杨翀;蓝高爽;孙银娟;张琳琳;袁恒杰
来源:药物不良反应杂志 2023 年 25卷 10期