Джен-Пин Ли, Ю-Лин Чао, Пин-Сюнь Ву, Юн-Шиуань Чжуан, Чан Сюй, Пей-Ю Ву, Сы-Чиа Чен, Вэй-Чун Цай, И-Вэнь Чиу, Шан-Джых Хван, И- Тин Линь, Мэй-Чуан Го
Цель: Сердечная функция выступает в качестве надежного и, по-видимому, независимого предиктора смертности от всех причин и сердечно-сосудистой смертности среди лиц, проходящих гемодиализ (ГД). Острая необходимость в эффективной оценке сердечной функции побудила нас изучить потенциал использования доступных образцов крови для оценки. В этом исследовании мы осторожно использовали сердечно-сосудистую протеомику в сочетании с методами машинного обучения (МО), чтобы изучить возможность прогнозирования сердечной функции у пациентов, проходящих ГД.
Методы: Группа из 328 пациентов с HD была собрана из двух отделений, расположенных в Южном Тайване. Используя анализы расширения близости, было проведено комплексное измерение 184 сердечно-сосудистых белков. Используя машинное обучение, мы оптимизировали модель для прогнозирования сердечной дисфункции на основе фракции выброса. Эффективность модели оценивалась с использованием площади под кривой (AUC), в то время как метод значимости иерархического усреднения значений Шепли (SHAP) использовался для определения критических переменных для прогнозирования.
Результаты: Используя набор данных, охватывающий 184 протеомных биомаркера и 34 стандартных клинических переменных в рамках нашей аналитической структуры, было установлено, что прогностическая эффективность «протеомных биомаркеров» превзошла таковую «обычных клинических и лабораторных переменных» с использованием различных алгоритмов машинного обучения, включая модели классификации и регрессионного дерева (CART), наименьшего абсолютного сокращения и отбора (LASSO), случайного леса, рейнджера и экстремального градиентного усиления (XgBoost). Благодаря применению XgBoost для выбора признаков значимость N-концевого натрийуретического пептида типа pro-B (NT-proBNP) оказалась в качестве основного фактора, дополненного прогностической ролью ангиотензинпревращающего фермента 2 (ACE-2) и хитотриозидазы-1 (CHIT-1) в определении сердечной дисфункции. Это соответствие было подтверждено разъяснением модели XgBoost на основе SHAP.
Заключение: Протеомные характеристики превзошли клинические переменные в прогнозировании сердечной дисфункции с использованием машинного обучения. Дальнейший анализ с XgBoost и SHAP выделил NT-proBNP и CHIT-1 как важные биомаркеры, проливая свет на оценку сердечной дисфункции у пациентов с HD с помощью биомаркеров крови.