机器学习驱动早产儿动脉导管未闭布洛芬治疗失败预测模型研究

针对早产儿动脉导管未闭(PDA)布洛芬治疗失败(TF)的临床争议，研究人员开发了机器学习预测算法。结果显示，logistic回归模型预测TF的AUC达0.65，支气管肺发育不良(BPD)与TF显著相关(p?=?0.03)。该模型可辅助优化治疗决策，减少非响应者不良反应，推动个性化医疗。

　　在早产儿护理的挑战中，动脉导管未闭(patent ductus arteriosus, PDA)的治疗方法一直存在争议。研究者们利用机器学习(machine learning, ML)技术，构建了一个预测布洛芬(ibuprofen)治疗失败(treatment failure, TF)的智能模型。基于一项静脉布洛芬治疗PDA的早产儿试验二次分析，他们开发了TF预测算法，并评估其对临床结局的影响。研究纳入146名小患者，ML结果显示logistic回归模型预测TF的曲线下面积(area under the curve, AUC)为0.65。多重回归分析揭示支气管肺发育不良(bronchopulmonary dysplasia, BPD)与TF显著关联，p_?=_?0.03，而其他新生儿结局组间无差异。这项创新模型不仅可协助医生制定PDA治疗决策，还能在干预前识别响应者，从而减少非响应者的药物副作用，为高危婴儿提供更安全有效的替代方案。