Цель исследования — на основе данных клинических биомаркеров, верифицированных на этапе II клинических испытаний, с использованием модели машинного обучения исследовать корреляцию между улучшением синдрома «перегрева с токсичностью» под воздействием Huanglian Jiedu Wan и клиническими биомаркерами, а также эффективность известных биомаркеров для прогнозирования основных симптомов данного синдрома. Методика В исследование было включено 229 пациентов с синдромом «перегрева с токсичностью», которые были рандомизированы на группу лечения Huanglian Jiedu Wan и группу плацебо. Для трех основных симптомов — язвы во рту, боль в горле и воспаление десен — были построены матрицы перехода синдромов для обеих групп, а также объединенные данные для комплексного анализа с визуализацией в виде тепловых карт. На основе клинических биомаркеров, связанных с воспалением, оксидативным стрессом и энергетическим обменом, проведен анализ корреляций Спирмена с учетом сравнительного анализа между группами для выявления ключевых биомаркеров, отражающих эффект Huanglian Jiedu Wan. Построена модель классификации основных симптомов с использованием алгоритма XGBoost; её эффективность оценивалась с помощью 10-кратной перекрестной проверки, проведен анализ важности признаков. Результаты Матрицы перехода синдромов показали, что Huanglian Jiedu Wan превосходит плацебо в улучшении язв во рту, боли в горле и общих симптомов, особенно выраженный эффект отмечен при боли в горле и комплексном анализе симптомов (P < 0,01). Анализ корреляций Спирмена выявил клинические биомаркеры, положительно коррелирующие с улучшением синдрома и основных симптомов («повышение жара»): янтарная кислота, α-кетоглутарат, глицин, молочная кислота, аденозинмонофосфат (AMP), фактор некроза опухоли (TNF-α), интерферон-γ (IFN-γ), интерлейкины IL-1β, IL-4, IL-6, IL-8, IL-10 и др. Отрицательная корреляция («снижение жара») наблюдалась с яблочной кислотой, фумаровой кислотой, акситоновой кислотой, адренокортикотропным гормоном (ACTH), IL-1β, IL-4, IL-8, янтарной и лимонной кислотами. Модель XGBoost с 52 биомаркерами достигла средней точности 0,754 и F1-меры 0,777; важнейшими признаками стали глутамат и IL-6 в слюне с оценками важности 0,081 и 0,080. После отбора 14 ключевых переменных и оптимизации параметров точность модели повысилась до 0,758, F1 — до 0,798, подтверждая высокую предсказательную способность модели на основе ключевых биомаркеров. Выводы Исследование системно раскрывает корреляцию между улучшением синдрома «перегрева с токсичностью» под влиянием Huanglian Jiedu Wan и клиническими биомаркерами, успешно создавая классификационную модель XGBoost на основе ключевых биомаркеров для эффективного прогнозирования симптомов язв во рту и боли в горле, что предоставляет новые идеи для объективного распознавания синдромов традиционной китайской медицины.

Huanglian Jiedu Wan; синдром "перегрева с токсичностью"; клинические биомаркеры; машинное обучение; корреляционный анализ