Objetivo Este estudo visa explorar, com base em dados de biomarcadores clínicos validados em estudos clínicos de fase II anteriores, a correlação entre a melhoria da síndrome “Calor Tóxico Real” pelo tratamento com Huanglian Jiedu Wan e os biomarcadores clínicos usando um modelo de aprendizado de máquina, bem como a previsão eficaz dos principais sintomas da síndrome a partir dos valores conhecidos dos biomarcadores clínicos. Método Foram selecionados 229 pacientes que apresentavam a síndrome “Calor Tóxico Real” e que atendiam aos critérios de inclusão; esses pacientes foram randomizados para receber Huanglian Jiedu Wan ou placebo. Para os três principais sintomas da síndrome — úlceras bucais, dor de garganta e inflamação gengival — foram construídas matrizes de transição de sintomas para os grupos Huanglian Jiedu Wan e placebo, respectivamente. Em seguida, os dados dos pacientes com os três tipos de sintomas foram integrados para análise global, com visualização por mapas de calor mostrando as tendências de mudança dos sintomas em cada grupo. Com base nos dados previamente validados de biomarcadores clínicos relacionados a “inflamação–estresse oxidativo–metabolismo energético”, foi realizada análise de correlação de Spearman para avaliar a associação entre os biomarcadores clínicos e a melhora dos sintomas. Foram selecionados biomarcadores clínicos-chave que refletem o efeito do Huanglian Jiedu Wan por meio da comparação das diferenças entre os grupos. Um modelo de predição de classificação dos sintomas principais foi construído usando o algoritmo XGBoost, avaliado pela validação cruzada de 10 dobras, e uma análise de importância das características identificou as variáveis que mais contribuíram para o resultado previsto. Resultados As matrizes de transição de sintomas mostraram que Huanglian Jiedu Wan foi superior ao placebo na melhoria das úlceras bucais, dor de garganta e dos sintomas gerais, com efeitos particularmente significativos na dor de garganta e nos sintomas gerais (P <0,01). A análise de correlação de Spearman indicou que os biomarcadores clínicos correlacionados positivamente com a melhora do “Calor Tóxico Real” e seus principais sintomas (“relacionados ao calor”) incluíram succinato, α-cetoglutarato, glicina, lactato, adenosina monofosfato (AMP), fator de necrose tumoral (TNF-α), interferon-γ (IFN-γ), interleucinas (IL)-1β, IL-4, IL-6, IL-8, IL-10, entre outros; biomarcadores correlacionados negativamente (“relacionados à redução do calor”) após a administração de Huanglian Jiedu Wan incluíram malato, fumarato, ácido aconítico, hormônio adrenocorticotrófico (ACTH), IL-1β, IL-4, IL-8, succinato e citrato. O modelo de classificação XGBoost, utilizando 52 biomarcadores clínicos como variáveis, alcançou uma precisão média de teste de 0,754 e um valor médio de F1 de 0,777; a análise de importância das características mostrou que o glutamato e IL-6 na saliva tiveram as maiores pontuações de importância, 0,081 e 0,080 respectivamente. Após selecionar 14 variáveis-chave e otimizar os parâmetros, o desempenho do modelo melhorou para uma precisão média de 0,758 e um F1 de 0,798, confirmando a boa capacidade preditiva do modelo baseado nesses biomarcadores-chave. Conclusão Este estudo revela sistematicamente a correlação entre a melhora da síndrome “Calor Tóxico Real” pelo tratamento com Huanglian Jiedu Wan e os biomarcadores clínicos, e constrói com sucesso um modelo de classificação XGBoost baseado em biomarcadores clínicos-chave para a previsão eficaz dos sintomas relacionados à síndrome, como úlceras bucais e dor de garganta, fornecendo novas ideias para a identificação objetiva dos padrões da Medicina Tradicional Chinesa.

Huanglian Jiedu Wan; síndrome “Calor Tóxico Real”; biomarcadores clínicos; aprendizado de máquina; análise de correlação