免疫检查点阻断剂引发的免疫相关不良反应（irAEs）预测模型构建

摘要

免疫检查点阻断剂在肿瘤治疗中展现出显著疗效，但其诱发的免疫相关不良反应严重制约临床应用。本研究基于多中心真实世界电子病历数据，整合临床表型、基础实验室指标、用药时序及既往病史等结构化与半结构化特征，构建可解释性机器学习预测模型。通过特征工程优化、多算法对比验证及前瞻性队列内部验证，模型在主要终点（≥3级irAEs发生）上达到0.87的AUC值，敏感度与特异度分别为0.79和0.83。结果表明，基线中性粒细胞与淋巴细胞比值、甲状腺功能异常史、联合用药类型及首次给药后两周内C反应蛋白动态变化是关键预测因子。该模型具备临床部署潜力，可支持个体化风险分层与早期干预决策。