Objetivo Este estudio tiene como objetivo explorar la correlación entre la mejoría del síndrome de “calor tóxico real” tratado con Huanglian Jiedu Wan y los biomarcadores clínicos validados en estudios preliminares de fase II, utilizando un modelo de aprendizaje automático, así como la predicción efectiva de los principales síntomas del síndrome a partir de los valores conocidos de los biomarcadores clínicos. Método Se seleccionaron 229 pacientes con síndrome de "calor tóxico real" que cumplían con los criterios de inclusión, y fueron asignados aleatoriamente a un grupo de Huanglian Jiedu Wan y a un grupo placebo. Para los tres principales síntomas —aftas bucales, dolor de garganta e inflamación de las encías— se construyeron matrices de transición sintomática para ambos grupos, y tras integrar los datos, se realizó un análisis global con visualización en mapas de calor para mostrar las tendencias de cambio sintomático. Basándose en los datos validados previamente sobre biomarcadores clínicos relacionados con inflamación, estrés oxidativo y metabolismo energético, se evaluó la correlación mediante el análisis de Spearman, y se identificaron biomarcadores clave reflejando el efecto de Huanglian Jiedu Wan mediante comparación entre grupos. Se construyó un modelo de clasificación de síntomas principales usando el algoritmo XGBoost, evaluado mediante validación cruzada de 10 pliegues, y se realizó un análisis de importancia de características para identificar las variables que más contribuyen a la predicción. Resultados Las matrices de transición sintomática mostraron que Huanglian Jiedu Wan mejoró significativamente las aftas bucales, el dolor de garganta y los síntomas generales en comparación con el placebo, especialmente en el análisis del dolor de garganta y los síntomas generales (P < 0,01). El análisis de correlación de Spearman indicó que los biomarcadores clínicos positivamente correlacionados con la mejoría del síndrome y sus síntomas principales («relacionados con el calor») incluyen succinato, α-cetoglutarato, glicina, lactato, monofosfato de adenosina (AMP), factor de necrosis tumoral (TNF-α), interferón-γ (IFN-γ), interleucinas (IL)-1β, IL-4, IL-6, IL-8, IL-10, entre otros; mientras que los biomarcadores negativamente correlacionados («relacionados con la reducción del calor») tras el tratamiento con Huanglian Jiedu Wan incluyen malato, fumarato, ácido aconítico, hormona adrenocorticotrópica (ACTH), IL-1β, IL-4, IL-8, succinato y citrato. El modelo XGBoost con 52 biomarcadores clínicos obtuvo una tasa media de precisión del 0,754 y un valor medio de F1 de 0,777; el análisis de importancia resaltó que el glutamato y la IL-6 en saliva tenían las puntuaciones más altas (0,081 y 0,080 respectivamente). Tras seleccionar 14 variables clave y optimizar parámetros, el rendimiento del modelo mejoró a una precisión media de 0,758 y un F1 de 0,798, confirmando la buena capacidad predictiva basada en estos biomarcadores clave. Conclusiones Este estudio revela sistemáticamente la correlación entre la mejora del síndrome de “calor tóxico real” con Huanglian Jiedu Wan y los biomarcadores clínicos, construyendo con éxito un modelo clasificatorio XGBoost basado en biomarcadores clave para la predicción eficaz de síntomas como aftas bucales y dolor de garganta, ofreciendo nuevas ideas para la identificación objetiva de síndromes en la medicina tradicional china.

Huanglian Jiedu Wan; síndrome “calor tóxico real”; biomarcadores clínicos; aprendizaje automático; análisis de correlación