新开发的预测模型或许能够在药物治疗的早期阶段（最早在治疗三周内）计算个体阿片类药物复发的风险。

“与普遍看法相反，阿片类药物使用障碍的药物治疗非常有效，如果患者早期治疗成功，很可能会成功，”哥伦比亚大学瓦格洛斯医学院精神病学助理教授 Sean X. Luo 博士说。外科医生与迈阿密大学的 Daniel Feaster 博士一起开发了该模型。

该模型基于参加阿片类药物临床试验的 2,199 名成年人的数据，估计患者在治疗的前几周在 12 周治疗计划结束前恢复使用阿片类药物的可能性。

更具体地说，对于服用丁丙诺啡的患者，可以考虑快速增加口服制剂的剂量或改用缓释注射制剂。医生还应评估复发高风险患者是否存在其他可能需要注意的因素，例如同时发生的精神疾病。

为了传播该项目开发的工具，该团队建立了一个门户网站（www.oudriskscore.org），允许临床医生估计患者复发的风险。

下一步是什么

尽管医生可能会修改复发风险高的患者的治疗方法，但尚未进行研究来确定最佳策略。“我们需要新的临床试验来测试高危人群的不同治疗方法，”罗说。

还需要更多长期随访数据来估计 12 周治疗阶段后复发的时间和概率。

需求

美沙酮、丁丙诺啡和缓释注射纳曲酮药物对许多患者有效，但许多患者在 12 周的治疗计划期间恢复使用阿片类药物。

在治疗慢性病时，医生经常使用风险评分来预测未来健康事件的可能性，并使用这些评分来指导治疗。但阿片类药物使用障碍治疗尚无此类风险评分。

这项新研究的共同领导者、哥伦比亚大学精神病学家爱德华·努内斯医学博士说：“一旦患者病情复发并停止药物治疗，他们就会面临危险，包括服药过量的风险，并且可能很难找到并重新参与治疗。”“如果医生在治疗的最初几周内知道谁处于危险之中，他们就可以及早做出反应，并有望避免麻烦。”

使用机器学习构建预测器

为了建立一个预测器来估计患者重新吸毒的风险，研究人员将机器学习技术应用于之前测试三种药物治疗阿片类药物使用障碍的临床试验的数据。一种名为 LASSO 的方法使用信息最丰富的患者特征自动构建预测模型。然后在协调数据集的独立验证子集上测试模型，以评估模型性能。

使用治疗开始时可用的患者数据，最佳模型的性能约为 70%。当纳入治疗前三周的尿液药物测试结果时，模型性能显着改善。

当纳入尿液药物检测结果时，该模型预测前三周内没有呈阳性或漏检的患者有 13% 的风险重新使用药物，而那些有 3 次阳性或漏检的患者有 85% 的风险重新使用药物。返回使用。

为什么这很重要

我们的模型现在为临床医生提供了一种在治疗早期量化患者复发风险的方法，并且可以考虑治疗修改。可以增加药物剂量，并为高风险患者引入更频繁的监测和心理治疗选择。”

Sean X. Luo，医学博士、博士，哥伦比亚大学瓦格洛斯内外科医学院精神病学助理教授