Page 98 - 《中国药房》2026年2期
P. 98
括顺铂或卡铂,而这两种药物主要通过肾脏代谢,当Ccr 稳定性。(2)研究数据来源于中国人群,未涵盖种族多样
下降时,其血浆半衰期延长,AUC升高,患者暴露时间延 性。有研究发现,亚洲女性HEC相关性恶心呕吐发生率
长,持续刺激胃肠道 5-HT3受体及延髓化学感受器触发 高于高加索人 ,这可能与 CYP 酶基因多态性有关。
[25]
[26]
区,上调 5-HT3受体表达,从而导致 HEC 相关性恶心呕 Kaiser等 研究了CYP2D6基因型对5-HT3 RA治疗效果
吐发生风险显著增加 [15―17] 。而在止吐方案中,NK-1 RA、 的影响,发现携带弱代谢者(poor metabolizers,PMs)等
5-HT3 RA、地塞米松主要通过肝脏代谢,肾脏排泄比例 位基因的患者 5-HT3 RA 血液浓度更高,并对 HEC 相关
较低,因此肾功能不全时游离药物浓度增加不明显,不 性恶心呕吐具有更好的预防效果。另一项研究发现,携
[18]
会显著影响疗效 。根据 HEC 相关性恶心呕吐防治指 带3个活跃CYP2D6等位基因(即超快代谢者)的患者在
南的建议,肾功能不全患者的止吐方案与肾功能正常患 接受预防性昂丹司琼治疗后,HEC 相关性恶心呕吐的
[18]
者相同,通常无需调整药物剂量 。需要注意的是,NK- CR率下降 。在欧美白种人中,约95%的CYP2D6 PMs
[27]
1 RA作为细胞色素P450(cytochrome P450,CYP)3A4的 携带有 CYP2D6*3、 CYP2D6*4、CYP2D6*5、CYP2D6*6
中度抑制剂,可能会增加地塞米松的血药浓度,因此在 这 4 个等位基因中任意组合的 2 个拷贝,而在中国人群
临床应用中应考虑适当降低地塞米松的剂量。但需特 中,携带上述等位基因的频率极低 。这种独特的基因
[28]
别说明的是,与其他 NK-1 RA 不同,罗拉匹坦不会抑制 分布可能造成亚洲患者 5-HT3 RA 暴露量不足,HEC 相
CYP3A4 活性,因此与地塞米松联合使用时无需调整地 关性恶心呕吐风险升高。(3)化疗输注时间等关键参数
塞米松的剂量 。此外,女性、低龄患者及存在预期性 因原始记录缺失未能纳入分析,这可能低估毒性反应的
[19]
恶心呕吐与HEC相关性恶心呕吐的发生呈正相关,这与 异质性。研究显示,输注时间是化疗毒性反应的独立预
既往研究 [4,13] 一致。化疗方案的致吐性已被确认为HEC 测因素,紫杉醇 3 h 输注比 24 h 输注的神经毒性风险更
相关性恶心呕吐发生的关键风险因素,治疗方案的整体 高 。(4)急性期(0~1 d)、延迟期(2~5 d)和持续期
[29]
致吐风险等级主要由所含最高致吐风险等级的细胞毒 (6~14 d)的病理机制差异可能影响预测精度,未来需开
性药物所决定 [2,20] 。本研究结果还显示,HED(特别是基 发分阶段模型。
于顺铂的化疗方案)与HEC相关性恶心呕吐的发生呈正 综上所述,深度随机森林模型在预测三联止吐方案
相关,与既往研究 [2,20] 一致。 预防HEC相关性恶心呕吐的有效性方面表现最优,该模
3.2 模型优势与可解释性的临床价值 型关键预测因子以 Ccr、预期性恶心呕吐、性别、年龄、
深度随机森林模型通过多粒度扫描与级联森林结 HED为主。
构,实现了高维特征的自动提取与非线性关系的精准建 参考文献
[11]
模,克服了传统模型依赖人工特征工程的局限性 。本
[ 1 ] PIECHOTTA V,ADAMS A,HAQUE M,et al. Antiem-
研究采用深度随机森林算法构建预测模型,模型性能 etics for adults for prevention of nausea and vomiting
佳,优于传统机器学习算法与DNN,能够精准预测三联 caused by moderately or highly emetogenic chemo‐
止吐方案预防 HEC 相关性恶心呕吐的有效性。尽管深 therapy:a network meta-analysis[J]. Cochrane Database
度森林模型能够提供精确的预测结果,但因其多层级联 Syst Rev,2021,11(11):CD012775.
的亿万条决策路径共同作用而无法被清晰追溯的“黑 [ 2 ] KENNEDY S K F,GOODALL S,LEE S F,et al. 2020
箱”特性,在很大程度上限制了其在实际应用中的泛化 ASCO,2023 NCCN,2023 MASCC/ESMO,and 2019
能力 [11,21] 。在深度学习领域,模型的可解释性已成为研 CCO:a comparison of antiemetic guidelines for the treat‐
究热点,其旨在提升模型预测过程的透明度,使研究人 ment of chemotherapy-induced nausea and vomiting in
员和实践者能够更好地理解模型的决策机制,从而增强 cancer patients[J]. Support Care Cancer,2024,32(5):280.
[22]
模型在不同应用场景中的适应性和可靠性 。本研究 [ 3 ] YEO W,NGAI N T Y,YIP C C H,et al. Risk factors associa-
采用SHAP不仅量化了特征贡献度,还通过可视化直观 ted with chemotherapy-induced nausea and vomiting
among women with breast cancer receiving highly emeto‐
展示个体化风险驱动因素,增强了临床医生对模型决策
genic chemotherapy:individual patient-based analysis of
的信任。该可解释性模型的临床应用可帮助医生识别
HEC 相关性恶心呕吐高风险患者,指导分层管理:高风 three prospective antiemetic trials[J]. Cancer Manag Res,
2024,16:283-297.
险患者,推荐强化止吐方案,即四联止吐方案(奥氮平+
[ 4 ] MOSA A S M,HOSSAIN A M,LAVOIE B J,et al.
NK-1 RA+5-HT3 RA+地塞米松);低风险患者,可考虑三 Patient-related risk factors for chemotherapy-induced nau‐
联止吐方案以减少药物副作用及医疗成本 [23―24] 。
sea and vomiting:a systematic review[J]. Front Pharma‐
3.3 研究局限性 col,2020,11:329.
本研究也存在一定的局限性:(1)本研究为单中心 [ 5 ] KHOSRAVI B,WESTON A D,NUGEN F,et al. Demys-
研究,虽然采用连续入组方式,避免了主观选择偏倚,但 tifying statistics and machine learning in analysis of
机构特异性偏倚不可避免,未来需结合多中心数据验证 structured tabular data[J]. J Arthroplasty,2023,38(10):
模型的泛化能力,尤其关注不同医疗资源背景下的性能 1943-1947.
· 224 · China Pharmacy 2026 Vol. 37 No. 2 中国药房 2026年第37卷第2期

