재발성 심낭염(RP)은 이환율이 높은 복잡한 질병입니다.

이전 연구에서는 어떤 변수가 임상적 관해와 연관되어 있는지 평가했습니다.

그러나 현재 이러한 환자의 결과를 예측할 수 있는 확립된 위험 계층화 모델은 없습니다.

RP 환자의 장기적인 결과를 예측하고 불리한 결과를 예측하는 특성을 가진 환자를 식별할 수 있는 위험 계층화 모델을 개발했습니다.

2012년부터 2019년까지 총 365명의 연속 RP 환자를 후향적으로 연구했습니다.

일차 결과는 모든 항염증 치료를 중단하고 증상이 완전히 해결되는 것으로 정의되는 임상 반응(CR)이었습니다.

5가지 머신러닝 생존 모델을 사용해 5년 내 CR 가능성을 계산하고 환자를 고위험군, 중위험군, 저위험군으로 분류했습니다.

이 코호트의 평균 연령은 46±15세였으며, 205명(56%)이 여성이었습니다. 118명의 환자(32%)가 CR을 달성했습니다.

최종 모델에는 스테로이드 의존성, 총 재발 횟수, 후기 심낭 가돌리늄 강화, 연령, 병인, 성별, 박출률 및 심박수가 가장 중요한 매개변수로 포함되었습니다.

모델은 테스트 세트에서 C-지수 0.800으로 결과를 예측했으며 환자를 저위험군, 중위험군, 고위험군으로 계층화하는 상당한 능력을 보여주었습니다(로그 순위 테스트, P < 0.0001).

RP에서 CR을 예측하기 위해 새로운 위험 계층화 모델이 개발되었습니다.

우리 모델은 또한 높은 차별력을 가진 환자를 계층화하는 데 도움이 될 수 있습니다.

해석 가능한 기계 학습 모델을 사용하면 의사가 RP 환자에 대한 맞춤형 치료 결정을 내리는 데 도움이 될 수 있습니다.

전체 코호트 및 결과 그룹의 기본 특성

다양한 모델의 예측 성능 비교

연구 흐름도를 설명하는 연구 흐름도

Xgb 모델의 전역 해석 및 기능 중요성

XGB 모델의 글로벌 해석 가능성 및 가장 영향력 있는 20가지 기능

SHAP 기능 종속성 그래프 그리기

예측 모델 출력에 대한 특정 연속 변수의 영향은 SHAP 종속성 플롯에 표시됩니다.

위험 모델 및 모델 평가

데이터 세분화 전략

특정 매개변수에 대한 Kaplan-Meier 곡선

각 변수를 기반으로 한 하위 그룹 분석을 통해 코호트 하위 그룹 내에서 독립적으로 위험 계층화를 수행하는 모델의 능력을 평가합니다.

이 모델은 코호트 하위 그룹의 위험 계층화에서 강력한 성능을 보여주며, 위험 점수가 증가함에 따라 임상 반응률이 비례적으로 감소함을 보여줍니다.

훈련 세트와 테스트 세트 점수 그룹의 Kaplan-Meier 곡선

이 모델은 코호트 하위 그룹의 위험 계층화에서 강력한 성능을 보여줍니다.

테스트 코호트의 최종 모델에 대한 보정 플롯

훈련 세트와 테스트 세트의 기본 기능

모델의 하이퍼파라미터 공간

최종 Cox 비례 위험 모델에서 내보낸 점수

위험 그룹의 기본 특성

5년간 위험 계층화에 따른 임상 관해의 연간 누적 발생률