使用机器学习预测银屑病患者生物制剂的长期疗效

背景。真实世界数据显示，约 50% 接受生物制剂治疗的银屑病患者会因疗效丧失而停药。既往另一种生物制剂治疗史、女性及肥胖被确定为停药的预测因素，但其各自的预测价值较低。目的。确定机器学习算法能否建立可准确在个体患者层面预测银屑病生物制剂治疗结果的模型。结果。所有被测机器学习算法均能准确预测停药风险及其原因（如疗效缺失 vs 不良事件）。所学习的广义线性模型达到了 82% 的诊断准确率，在银屑病患者的数据集上每名患者耗时低于 2 秒。输入优化分析确立了长期治疗成功率最高的患者特征：未用过生物制剂、年龄低于 49 岁、早发斑块状银屑病且无银屑病关节炎、体重 < 100 kg、中重度银屑病活动度（DLQI $\geq$ 16；PASI $\geq$ 10）。此外，使用另一个广义线性模型预测每名患者的治疗时长，平均绝对误差（MAE）为 4.5 个月。但 Pearson 相关系数显示实际治疗时长与预测值之间存在 0.935 的线性依赖关系。结论。基于一小组预测变量，机器学习算法以超过 80% 的准确率预测停药风险和治疗持续时间。该方法可用作决策工具、向患者沟通预期结果以及制定循证指南。