预测癌痛患者经皮芬太尼疗效的利器 —— 随机森林模型

为优化癌痛管理，重庆大学肿瘤医院研究人员构建预测经皮芬太尼疗效模型，RF 模型表现最佳。

　　癌症相关疼痛是恶性肿瘤患者常见且痛苦的症状，严重影响生活质量。经皮芬太尼对于肠梗阻或吞咽困难的患者而言，是一种便捷的阿片类药物选择；然而，部分患者使用后疼痛缓解效果不佳。预测经皮芬太尼的镇痛效果对优化疼痛管理至关重要。本研究旨在构建预测癌症患者经皮芬太尼疗效的模型。研究人员分析了重庆大学肿瘤医院 2020 年 1 月至 2022 年 12 月成年癌痛患者的临床数据，运用逻辑回归 (Logistic regression) 和特征选择方法，随后利用逻辑回归、随机森林 (RF) 和极端梯度提升算法构建了 9 个预测模型。通过受试者工作特征 (ROC) 曲线、约登指数 (Youden index) 和布里尔评分 (Brier score) 评估模型性能，并采用交叉验证和 SHapley 可加解释 (SHAP) 分析进行验证和特征解释。151 名患者中，27.2% 的人表示经皮芬太尼无效。逻辑回归确定了数字评分量表 (NRS)、经皮芬太尼剂量、体重指数平方 (BMI²) 和丙氨酸氨基转移酶 (ALT) 为关键因素。在 9 个模型中，随机森林模型 8 表现最佳，受试者工作特征曲线下面积 (ROC-AUC) 达到 0.984（95% 置信区间：[0.968, 0.999]），混淆矩阵指标和可视化结果进一步验证了该模型的性能。SHAP 分析显示，较低的剂量、NRS 评分和 ALT 是经皮芬太尼无效的预测因素。随机森林模型为预测癌痛患者经皮芬太尼的疗效提供了有价值的工具，有助于精细化的疼痛评估和管理。