Maschinelles Lernmodell zur Vorhersage der Tacrolimus-Konzentration und Empfehlung der optimalen Dosis bei Lebertransplantatempfängern: eine multizentrische retrospektive Kohortenstudie – Scientific Reports

Maschinelles Lernmodell zur Vorhersage der Tacrolimus-Konzentration und Empfehlung der optimalen Dosis bei Lebertransplantatempfängern: eine multizentrische retrospektive Kohortenstudie – Scientific Reports

Diese Studie wurde gemäß den Grundsätzen der Deklaration von Helsinki durchgeführt. Dies wurde vom Institutional Review Board des Seoul National University Hospital genehmigt (Genehmigungsnummer: H-2007-083-1141), wobei aufgrund des retrospektiven Studiendesigns auf die schriftliche Einwilligung verzichtet wurde. Die Daten wurden von Patienten gesammelt, die zwischen Januar 2017 und Oktober 2020 Lebertransplantationen durchgeführt hatten, wobei täglich zweimalige Dosierungen von Tacrolimus bis zu 14 Tagen postoperativ sowie die gemessene Tacrolimus-Konzentration im Vollblut durch chemilumineszenzimmunoassay aus den elektronischen Patientenakten des Seoul National University Hospital für das Modelltraining und die interne Validierung gesammelt wurden. Zusätzliche Patienteninformationen wie Alter, Geschlecht, Gewicht, Art des Spenders, Indikation für die Transplantation und andere Immunsuppressiva wurden erfasst. Blutwerte wie Alanin-Aminotransferase (ALT), Aspartat-Aminotransferase (AST), Gesamtbilirubin, International Normalisierte Ratio (INR), Serumalbumin, Serumkreatinin und Hämatokrit wurden täglich gesammelt.

Während des Studienzeitraums erhielten die Patienten ab dem ersten Tag nach der Lebertransplantation zweimal täglich eine orale Dosis Tacrolimus. Die Dosierungen wurden von den behandelnden Intensivmedizinern basierend auf dem Gewicht des Patienten, Laborergebnissen in Bezug auf Leber- und Nierenfunktion sowie der gemessenen Tacrolimus-Konzentration im Vollblut vor Einnahme der morgendlichen Medikamentendosis empirisch festgelegt. Die Dosiskontrolle und die Überwachung der Medikamentenkonzentration wurden wiederholt, bis die Tacrolimus-Konzentration einen stabilen Zieltbereich zwischen 8 und 10 ng/ml erreichte. Ein maschinelles Lernmodell wurde entwickelt, das die nächste gemessene Tacrolimus-Konzentration basierend auf der Historie der oralen Tacrolimus-Dosen, gemessenen Tacrolimus-Konzentrationen im Vollblut, zeitabhängigen Kovariablen (Gewicht, ALT, AST, Gesamtbilirubin, INR, Serumalbumin, Serumkreatinin, Hämatokrit) der vorherigen n Tage und zeitunabhängigen Kovariablen (Alter, Geschlecht und Größe) vorhersagen konnte.

Zur internen Validierung wurden mehrere zufällige Stichprobenvalidierungen durchgeführt. Die Vorhersageleistung wurde anhand des mittleren quadratischen Fehlers (RMSE), des medianen absoluten Fehlers (MAE), des medianen Leistungsfehlers (MDPE) und des medianen absoluten Leistungsfehlers (MDAPE) bewertet. Darüber hinaus wurde eine externe Validierung durchgeführt, indem Daten aus dem eICU-CRD-Datensatz analysiert wurden, um die Modellleistung zu überprüfen. Abschließend wurden Dosisempfehlungen basierend auf den Vorhersagen des Modells für Tacrolimus-Dosen gemacht und die klinischen Ergebnisse in Bezug auf die Tacrolimus-Konzentration und Variabilität überwacht. Sensitivitätsanalysen wurden ebenfalls durchgeführt, um die Robustheit des Modells zu bestätigen.