Machine learning-based model for prediction of carbamazepine- and allopurinol-induced severe cutaneous adverse reactions in Vietnamese.

Modèles de machine learning sur données d'exome (WES) pour prédire le risque de SCAR, au-delà de la seule VPP limitée de HLA-B15:02 et HLA-B**58:01

La faible valeur prédictive positive de HLA-B15:02 et HLA-B**58:01 pour la stratification du risque de toxidermies sévères (SCAR) induites par la carbamazépine et l'allopurinol appelle de meilleurs modèles. Les auteurs génotypent 249 patients et témoins par WES (75 cas / 73 témoins pour l'allopurinol, 48 / 53 pour la carbamazépine) et appliquent huit modèles de machine learning. Pour l'allopurinol, les modèles Random Forest et Extra Tree atteignent une précision moyenne de 99,67 % ; pour la carbamazépine, le Linear SVC obtient une AUC moyenne de 86 %.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

Approche intéressante pour dépasser la VPP limitée des allèles HLA-B isolés dans la prédiction des SCAR. Les performances annoncées (99,67 %) sont à prendre avec prudence vu les très faibles effectifs et le risque de surapprentissage : c'est une preuve de concept prometteuse qui demande une validation externe avant tout usage clinique.

Analyse par Dr Thibaut Benquey