基于机器学习的房颤导管消融术中肝素抗凝反应预测及剂量推荐

《Scientific Reports》：Machine learning-based prediction of heparin anticoagulation response and dose recommendation during atrial fibrillation catheter ablation

　　

摘要

本研究调查了心房颤动导管消融术中活化凝血时间监测及个体化肝素剂量方案的应用情况。收集了2020年1月至2022年12月间在南京医科大学附属第一医院接受的1175例患者的数据；经纳入排除标准筛选及数据预处理后，最终纳入1144例病例进行分析。采用五折交叉验证对随机森林、XGBoost、CatBoost、DNN、LightGBM及TabNet六种模型进行评估，每例病例均在留出的验证折中充当一次。在六模型对比中，DNN的均值为0.81，Kappa系数为0.68，宏平均召回率为0.75，宏平均F1值为0.72。在另一项五折DNN类别平衡分析中，非平衡情况下均值为0.786，标准类别召回率为0.485；SMOTE-DNN的均值为0.812，Kappa系数为0.683，宏平均召回率为0.758，宏平均F1值为0.752，标准类别召回率为0.654。在初始剂量一致性方面，平均误差为728 IU，R2为0.68，70%的预测值与已给初始剂量的差值在1000 IU以内。在另一项涉及63例结局定义亚组的匹配消融实验中，基于残差的样本排除将剂量MAE从4008降至3627 IU，并将1000 IU命中率从17.5%提升至23.8%；然而R2仍为负值，表明后续剂量推荐的绝对精度仍然有限。