Прогнозирование риска развития лекарственного поражения печени при терапии ремдесивиром у пациентов с COVID-19 с помощью машинного обучения

Обоснование. Противовирусный препарат ремдесивир получил широкое распространение для этиотропного лечения COVID-19. Частота возникновения нежелательных реакций при терапии ремдесивиром достигает 66,2 %, наиболее распространённая нежелательная реакция - повышение уровня печёночных трансаминаз.Цель исследования. Разработка модели машинного обучения для прогнозирования риска развития лекарственного поражения печени у пациентов с COVID-19 при назначении терапии ремдесивиром.Методы. Данное проспективное открытое обсервационное исследование проводилось в период с ноября 2021 г. по февраль 2022 г. и включало 154 пациента, получающих терапию ремдесивиром. Пациенты были разделены на две группы: группа 1 (n = 45) - пациенты, у которых при терапии ремдесивиром развились признаки поражения печени; группа 2 (n = 109) - пациенты без данной нежелательной реакции. Всем пациентам были проведены фармакогенетическое исследование и ретроспективный анализ историй болезней, сформирована база данных с результатами проведённых исследований, на основе которой происходило машинное обучение моделей для прогноза риска развития лекарственного поражения печени.Результаты. Основные прогностические факторы включали индекс массы тела (значимость - 12,03 %) и носительство генотипа AG по полиморфному маркеру rs776746 гена CYP3A5 (значимость - 10,04 %). В дальнейшем по всем полученным факторам на основе категориального бустинга построена модель предсказания развития лекарственного поражения печени, имеющая чувствительность 57,8 % и специфичность 80,7 %.Заключение. С помощью машинного обучения была сформирована модель риска развития лекарственного поражения печени при терапии ремдесивиром. Индекс массы тела и носительство генотипа AG по полиморфному маркеру rs776746 гена CYP3A5 оказались ключевыми маркерами. Для улучшения точности модели требуется увеличение доли пациентов с нежелательной реакцией в тренировочной выборке. Дальнейшие исследования позволят улучшить качество модели и интегрировать её в клиническую практику.

Background. The antiviral drug Remdesivir has been widely used for etiotropic treatment of COVID-19. The incidence of adverse reactions during Remdesivir therapy reaches 66.2 %, the most common one being an increase in hepatic transaminases.The aim. To develop a machine learning model for predicting the risk of drug-induced liver damage in patients with COVID-19 when prescribing Remdesivir therapy.Materials and methods. This prospective open-label observational study was conducted between November 2021 and February 2022, including 154 patients receiving Remdesivir therapy. Patients were divided into two groups: group 1 (n = 45), in which patients developed signs of liver damage during Remdesivir therapy; group 2 (n = 109) - patients without this adverse reaction. All patients underwent pharmacogenetic study and retrospective analysis of medical histories, database with the results of the conducted studies was formed, basing on which machine learning models for predicting the risk of drug-induced liver damage were trained.Results. The main prognostic factors included body mass index (relevance - 12.03 %) and carriage of AG genotype at polymorphic marker rs776746 of CYP3A5 gene (relevance - 10.04 %). Subsequently, for all obtained factors and based on Сategorical boosting a model for predicting the development of drug-induced liver damage with 57.8 % sensitivity and specificity of 80.7 % was developed.Conclusions. A risk model for the development of drug-induced liver damage during remdesivir therapy was built using machine learning. Body mass index and carriage of AG genotype at polymorphic marker rs776746 of CYP3A5 gene turned out to be key markers. To improve the accuracy of the model, an increase in the proportion of patients with adverse reactions in the training sample is required. Further studies will improve the quality of the model and integrate it into clinical practice.