机器学习优化糖尿病合并他汀治疗患者的华法林精准给药：算法比较与临床意义

【编辑推荐】针对糖尿病患者的华法林剂量个体化难题，研究人员通过国际华法林药物基因组学联盟（IWPC）的628例患者数据，采用LASSO、KNN、SVR等6种机器学习模型预测最佳给药方案。结果显示：糖尿病患者周剂量显著高于非糖尿病患者（38.73±15.37 vs 34.50±18.27 mg），且不同他汀类药物（如阿托伐他汀与洛伐他汀）对华法林需求影响显著。该研究为抗凝治疗精准化提供AI解决方案。

　　

这项研究探索了机器学习在糖尿病合并他汀治疗患者华法林(Warfarin)精准给药中的应用。通过分析国际华法林药物基因组学联盟(IWPC)的628例患者数据（含216例糖尿病患者），团队系统评估了患者身高、体重、种族、年龄、血浆国际标准化比值(INR)、目标INR值及他汀用药等参数。

研究采用六种预测模型：最小绝对收缩选择算子(LASSO)、k近邻(KNN)、支持向量回归(SVR)、线性回归(LR)、决策树和随机森林(RF)，通过结构化处理和缺失值填补等预处理步骤，构建华法林剂量预测体系。

关键发现显示：糖尿病患者周平均华法林剂量达38.73±15.37毫克，显著高于非糖尿病组的34.50±18.27毫克。特别值得注意的是，使用阿托伐他汀(Atorvastatin)和瑞舒伐他汀(Rosuvastatin)的患者，其华法林需求明显低于使用洛伐他汀(Lovastatin)和氟伐他汀(Fluvastatin)的糖尿病患者。

该研究证实，结合特定他汀类药物选择的机器学习预测模型，可有效优化华法林给药方案，降低这种窄治疗窗药物的出血或血栓风险，为糖尿病患者的抗凝治疗精准化开辟新途径。