基于机器学习算法的类风湿关节炎患者药物疗效预测
定量方法
2022-10-25 v3 机器学习
生物大分子
摘要
类风湿关节炎（RA）是一种自身免疫性疾病，由患者免疫系统错误地攻击自身组织引起。机器学习（ML）有潜力从患者电子健康记录（EHR）中识别模式，以预测最佳临床治疗从而改善患者结局。本研究引入了一个药物反应预测（DRP）框架，具有两个主要目标：1）设计数据处理流水线以从表格临床数据中提取信息，然后对其进行预处理以供功能使用；2）预测RA患者对药物的反应并评估分类模型的性能。我们提出了一种基于欧洲抗风湿病联盟（EULAR）标准截断值建模药物疗效的新颖两阶段ML框架。我们的模型Stacked-Ensemble DRP使用425名RA患者的数据开发和交叉验证。评估使用了来自同一数据源的124名患者（30%）子集。在测试集评估中，两阶段DRP在二分类上比其他端到端分类模型取得了更高的分类准确率。我们提出的方法提供了一条完整流水线，用于预测疾病活动度评分并识别对抗TNF治疗反应不佳的群体，从而显示出在基于EHR信息支持临床决策方面的前景。
引用
@article{arxiv.2210.08016,
title = {Prediction of drug effectiveness in rheumatoid arthritis patients based on machine learning algorithms},
author = {Shengjia Chen and Nikunj Gupta and Woodward B. Galbraith and Valay Shah and Jacopo Cirrone},
journal= {arXiv preprint arXiv:2210.08016},
year = {2022}
}
备注
13 pages, 5 figures, to be published in ICBBE 2022