机器学习用于预测儿童膀胱输尿管反流的最佳治疗方法

肾和膀胱之间的正常瓣膜异常形成，膀胱输尿管反流(VUR)可导致儿童反复发热性尿路感染(UTIs)和肾瘢痕。先前的研究表明，如果持续服用预防性抗生素，大约一半的人群可以降低复发性尿路感染的风险。然而，这种方法也会带来潜在的问题，比如抗生素耐药性。

预测复发性尿路感染

利用来自儿童膀胱输尿管反流随机干预(RIVUR)和仔细尿路感染评估(CUTIE)试验的数据，儿科泌尿科医生xinhsiao Scott Wang，医学博士，公共卫生硕士，MBAn和他在波士顿儿童医院泌尿科的同事们先前开发了一种新的治疗方法机器学习模型旨在预测与VUR相关的复发性尿路感染。新的机器学习算法在确定哪些UTIs患者需要进一步测试VUR方面表现出非常稳健的性能。

“通过我们的预测算法，我们可以为VUR患者提供质量更高的个性化护理，仅将诊断成像和治疗分配给那些需要的人，并为那些不需要的人提供不利影响，”他说

在这项工作的基础上，该团队最近试图预测，以确定类似的模型是否可以预测复发性尿路感染的概率。根据607的数据儿科患者他们是RIVUR试验的一部分，研究人员创建了一个模型来预测复发性UTI风险，有或没有持续抗生素预防．

针对性抗生素预防

该模型预测复发性尿路感染的能力很强，“曲线下面积”为0.82。Wang和他的同事们发现，对40%的VUR患者进行持续的抗生素预防，而不是对所有VUR患者进行抗生素预防，可能导致最低程度的尿路感染复发。这些研究结果发表在《科学》杂志2021年4月号上泌尿学杂志．

这种机器学习模型可以让医生确定哪些患者从抗生素预防中受益最大，因此那些不需要抗生素预防的患者将免受任何药物不良反应的影响。这种工具还可以实现最佳结果，同时最大限度地减少不必要的治疗并节省成本。

“我们对将机器学习与具有挑战性的决策过程结合起来以提升患者护理的前景感到非常兴奋，”王说。

---

---