基于机器学习算法集成估计华法林剂量
定量方法
2018-09-14 v2 机器学习
机器学习
摘要
由于治疗窗狭窄和高度的个体变异性，华法林剂量确定仍具挑战性。不正确的华法林给药与破坏性不良事件相关。人们已作出显著努力，开发基于机器学习的华法林给药算法，纳入临床因素与遗传变异（如 CYP2C9 与 VKORC1 中的多态性）。经最广泛验证的药物遗传算法是基于多元线性回归（MLR）的 IWPC 算法。然而，仅用单一算法时，即便参数最优，预测性能也可能达到上限。在此，我们提出使用堆叠泛化框架估计华法林剂量的新算法，其中不同类型的机器学习算法通过元机器学习模型协同工作以最大化预测准确率。与 IWPC 衍生的 MLR 算法相比，基于堆叠泛化框架的 Stack 1 与 Stack 2 总体表现显著更优。亚组分析显示，Stack 1 的预测剂量在真实稳定治疗剂量 20% 以内的患者百分比均值（20% 内均值百分比），在亚洲人中较 MLR 提升 12.7%（从 42.47% 到 47.86%），在低剂量组中提升 13.5%（从 22.08% 到 25.05%）。这些数据表明，我们的算法尤其有益于需低华法林维持剂量的患者，因为低剂量患者中华法林剂量的细微变化可导致不良临床事件（血栓或出血）。我们的研究为临床试验与实践提供了新颖的药物遗传算法。
引用
@article{arxiv.1809.04069,
title = {Estimate the Warfarin Dose by Ensemble of Machine Learning Algorithms},
author = {Zhiyuan Ma and Ping Wang and Zehui Gao and Ruobing Wang and Koroush Khalighi},
journal= {arXiv preprint arXiv:1809.04069},
year = {2018}
}
备注
other authors do not agree to submit to arxiv