基于WMT 治疗溃疡性结肠炎的机器学习预测模型

背景

基于临床数据和治疗方案的机器学习，以更好地做出临床决策，是当前研究的热点。本研究旨在构建一个关于溃疡性结肠炎（UC）的洗涤菌群移植（WMT）的机器学习模型，为患者和临床医生提供一个新的评估系统，以优化临床决策。

方法

招募了2013年4月至2022年6月在南京医科大学附属医院通过中肠或结肠输送途径接受WMT的UC患者。基于临床指标的模型合奏是通过机器学习构建的，以预测WMT治疗后一个月后的临床反应。

结果

这项研究共有366名患者，其中210名患者被分配进行培训和内部验证，156名患者进行外部验证。间接胆红素水平低、激活抗凝血酶III、排便频率和胆碱酯酶以及老年人和肌酸激酶、HCO₃^–和凝血酶时间水平高，与一个月后WMT的临床反应有关。此外，投票合奏在内部验证中显示曲线下面积（AUC）为0.769 ± 0.019 [准确度，0.754；F1-score，0.845]；外部验证的AUC为0.614 ± 0.017 [准确性，0.801；F1-score，0.887]。此外，该模型可在https://wmtpredict.streamlit.app上找到。

结论

这项研究开创了机器学习模型的开发，以预测WMT在UC上的一个月临床反应。这些发现展示了机器学习应用在WMT领域的潜在价值，为胃肠道疾病的个性化治疗策略开辟了新途径。

引文：Zhang S, Lu G, Wang W, Li Q, Wang R, Zhang Z, Wu X, Liang C, Liu Y, Li P, Wen Q, Cui B, Zhang F. A predictive machine-learning model for clinical decision-making in washed microbiota transplantation on ulcerative colitis. Comput Struct Biotechnol J. 2024 Aug 24;24:583-592. doi: 10.1016/j.csbj.2024.08.021.

第一作者：张晟 陆高辰

通讯作者：张发明