换一批基于机器学习模型预测抑郁症患者度洛西汀的血药浓度
Prediction of duloxetine blood concentration in patients with depression based on machine learning
摘要目的 为临床尤其是无治疗药物监测条件的新疆基层医疗机构的抑郁症患者提供度洛西汀用药参考.方法 回顾性收集2022年1月至2023年12月在新疆医科大学第一附属医院服用度洛西汀的281例抑郁症住院患者的病历资料,按7∶3比例划分为训练集(196例)和测试集(85例).通过随机森林(RF)模型中的"递归特征消除"程序进行特征选择,采用支持向量机、RF、极端梯度提升(XGBoost)、人工神经网络4种机器学习算法构建度洛西汀血药浓度预测模型,并通过决定系数(R2)、平均绝对误差(MAE)、均方根误差(RMSE)评估比较4种模型的预测性能.通过夏普利加性解释方法对筛选出的最优模型的特征进行解释,确定特征的重要性排序及其对度洛西汀血药浓度预测结果的影响大小与方向.结果 最终选择了 29个特征变量,包括年龄、民族、体重指数(BMI)等.XGBoost的R2(0.808)最高,MAE(7.644)、RMSE(10.808)最低.影响度洛西汀血药浓度预测的特征重要性排序为:BMI＞年龄＞其余20个特征集合(包括肝、肾功能和生化指标)＞用药日剂量＞合并疾病＞联合用药＞民族＞白细胞计数＞血红蛋白＞身高.结论 XGBoost模型预测度洛西汀血药浓度的预测性能最佳,BMI和年龄对度洛西汀血药浓度预测的影响较大.
更多相关知识
关键词
抑郁症度洛西汀血药浓度机器学习治疗药物监测夏普利加性解释depressionduloxetineblood concentrationmachine learningtherapeutic drug monitoringShapley additive explanation
分类号
R971+.4（药品）
栏目名称
DOI
10.6039/j.issn.1001-0408.2025.06.20
发布时间
2025-04-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
新疆维吾尔自治区自然科学基金（No.2022-D01C749）
- 浏览52
- 被引1
- 下载77
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
