优化他克莫司剂量预测：基于基因多态性的精准策略

《International Journal of Clinical Pharmacy》：Optimizing tacrolimus dosage in post-renal transplantation using DoseOptimal framework: profiling CYP3A5 genetic variants for interpretability

为优化肾移植受者他克莫司剂量预测，研究人员开发 DoseOptimal 框架，效果良好，助力精准医疗。

　　背景：实现他克莫司的最佳剂量对于有效平衡治疗效果和安全性至关重要，因为 CYP3A5 基因变异和患者间的差异凸显了精准策略的必要性。
目的：本研究旨在通过在 DoseOptimal 框架中纳入基因多态性，特别是分析 CYP3A5 基因变异，优化肾移植受者他克莫司的剂量预测，以提高剂量决策的可解释性和准确性。
方法：数据集包含 1045 名接受稳定他克莫司治疗患者的临床、人口统计学和 CYP3A5 基因变异信息。DoseOptimal 框架整合了 15 种机器学习模型中最有效算法的优势开发而成。同时纳入了 SHapley 可加解释（SHAP）和决策树分析以增强框架的可解释性。使用平均绝对误差（MAE）和决定系数（R²分数）评估框架的性能。计算 F 统计量和 p 值以验证框架的统计学意义。
结果：DoseOptimal 框架表现出色，训练集的 R²分数为 0.884，测试集为 0.830。训练集的 MAE 为 0.40 mg / 天（95% 置信区间 0.38 - 0.43），测试集为 0.41 mg / 天（95% 置信区间 0.38 - 0.45）。该框架在 87.6%（n = 275）的测试队列中预测出了理想的他克莫司剂量，其中低估的占 3.2%（n = 10），高估的占 9.2%（n = 29）。F 统计量为 266.095，p 值＜0.001，证实了该框架的统计学意义。
结论：该框架提供了基于精准医学、根据个体基因图谱定制的给药方案，最大限度地减少了给药误差，改善了患者的治疗效果。