Zielsetzung Diese Studie zielt darauf ab, basierend auf validierten klinischen Biomarkerdaten aus früheren Phase-II-Studien mittels eines maschinellen Lernmodells die Korrelation zwischen der Verbesserung des Syndroms „Hitze-Toxizität“ durch Huanglian Jiedu Wan und klinischen Biomarkern zu untersuchen sowie die Wirksamkeit bekannter klinischer Biomarker bei der Vorhersage der Hauptsymptome dieses Syndroms zu bewerten. Methode Es wurden 229 Patienten mit dem Syndrom „Hitze-Toxizität“ gemäß Einschlusskriterien ausgewählt und zufällig in eine Huanglian Jiedu Wan-Gruppe und eine Placebogruppe eingeteilt. Für die drei Hauptsymptome – Mundgeschwüre, Halsschmerzen und Zahnfleischentzündungen – wurden für beide Gruppen separate Symptome-Übergangsmatrizen erstellt. Anschließend wurden die Daten aller drei Symptompatienten integriert und einer Gesamtanalyse unterzogen, die mittels Heatmaps visualisiert wurde, um die Symptomverläufe darzustellen. Basierend auf zuvor validierten klinischen Biomarkerdaten aus den Bereichen Entzündung, oxidativer Stress und Energiestoffwechsel wurde mittels Spearman-Korrelationsanalyse die Beziehung zwischen Biomarkern und Syndromverbesserung bewertet. Schlüsselbiomarker, die die Wirkung von Huanglian Jiedu Wan widerspiegeln, wurden mittels Gruppendifferenzanalyse ausgewählt. Weiterhin wurde ein Klassifikationsmodell der Hauptsymptome mittels XGBoost-Algorithmus entwickelt, dessen Klassifikationsleistung durch 10-fache Kreuzvalidierung evaluiert wurde. Eine Merkmalswichtungsanalyse identifizierte die wichtigsten Variablen für die Vorhersage. Ergebnisse Die Symptome-Übergangsmatrizen zeigten, dass Huanglian Jiedu Wan die Mundgeschwüre, Halsschmerzen und die Gesamtsymptome besser verbesserte als Placebo, mit signifikanten Effekten insbesondere bei Halsschmerzen und Gesamtsymptomanalyse (P <0,01). Die Spearman-Korrelationsanalyse ergab, dass klinische Biomarker, die positiv mit der Verbesserung des Syndroms und seiner Hauptsymptome („Hitze-bezogen“) korrelierten, Succinat, α-Ketoglutarat, Glycin, Laktat, Adenosinmonophosphat (AMP), Tumornekrosefaktor (TNF-α), Interferon-γ (IFN-γ), Interleukine (IL)-1β, IL-4, IL-6, IL-8, IL-10 etc. umfassen. Negativ korrelierte Biomarker („Hitzereduzierung“) nach Gabe von Huanglian Jiedu Wan waren Malat, Fumarat, Aconitsäure, adrenocorticotrope Hormone (ACTH), IL-1β, IL-4, IL-8, Succinat und Zitronensäure. Das XGBoost-Klassifikationsmodell mit allen 52 klinischen Biomarkern erreichte eine durchschnittliche Testgenauigkeit von 0,754 und einen durchschnittlichen F1-Wert von 0,777. Die Merkmalsanalyse zeigte, dass Glutamat und IL-6 im Speichel mit Wichtigkeitsscores von 0,081 bzw. 0,080 die höchsten Werte aller Variablen hatten. Nach Auswahl von 14 Schlüsselvariablen und Optimierung der Parameter verbesserte sich die Modellleistung auf eine durchschnittliche Genauigkeit von 0,758 und einen F1-Wert von 0,798. Dies bestätigt die gute Vorhersagefähigkeit des Modells basierend auf diesen Schlüssel-Biomarkern. Schlussfolgerung Die Studie offenbart systematisch die Korrelation zwischen der Verbesserung des Syndroms „Hitze-Toxizität“ durch Huanglian Jiedu Wan und klinischen Biomarkern und etabliert erfolgreich ein XGBoost-Klassifikationsmodell auf Basis von Schlüssel-Biomarkern für die effektive Vorhersage der für das Syndrom typischen Symptome Mundgeschwüre und Halsschmerzen. Dies bietet neue Ansätze für die objektive Identifikation von Syndromen der Traditionellen Chinesischen Medizin.

Huanglian Jiedu Wan; Syndrom „Hitze-Toxizität“; klinische Biomarker; maschinelles Lernen; Korrelationsanalyse