编辑推荐：
研究人员利用韩国大规模队列数据开发预测新冠疫苗接种后异常子宫出血（AUB）的 ML 模型，为疫苗安全监测提供依据。
在 2019 年新冠疫情爆发后，新冠疫苗迅速投入使用。然而，由于疫苗在完成所有临床试验前就已获批紧急使用，其安全性存在不确定性，各种副作用也相继被报道。其中，女性接种疫苗后出现异常子宫出血（Abnormal uterine bleeding，AUB）的情况备受关注。为了提前预测这一副作用，增强接种者安全并提升疫苗信心，来自韩国等多个国家研究机构的研究人员开展了相关研究，其成果发表在《Scientific Reports》上。
在新冠疫苗接种的热潮中，人们在享受疫苗带来的防疫保护时，也逐渐发现了一些潜在问题。众多女性反馈，在接种新冠疫苗后，出现了月经周期紊乱、月经量异常等 AUB 症状。这不仅影响了女性的日常生活，也引发了公众对疫苗安全性的担忧。此前虽有研究报道了新冠疫苗接种后月经紊乱的情况，但尚无研究尝试预测接种后的 AUB。在此背景下，开发一种能够预测接种后 AUB 的模型迫在眉睫。
为了解决这一问题，研究人员利用韩国全国队列（K-COV-N 队列）这一大规模数据展开研究。该队列涵盖了 700 多万参与者，为研究提供了丰富的数据基础。研究采用了先进的机器学习（Machine learning，ML）技术，包括集成梯度提升机（Gradient boost model，GBM）和逻辑回归（Logistic regression，LR）的集成模型，并进行了特征重要性分析。
研究人员首先对数据进行了严格筛选。从 K-COV-N 队列中选取年龄在 20 - 50 岁之间的女性数据，排除男性、年龄大于 50 岁以及信息不充分的参与者，最终得到 5304203 例数据，其中接种新冠疫苗的有 2296675 例。在数据处理过程中，他们使用合成少数过采样技术（Synthetic Minority Over-sampling Technique，SMOTE）来平衡 AUB 病例和非 AUB 病例数量不均衡的问题。
在模型开发与验证方面，研究人员将 K-COV-N 数据集按 8:2 的比例分层划分为训练集和测试集。利用训练集进行 5 折交叉验证，以确保模型的泛化能力。之后，使用独立的测试集对模型进行评估。研究人员探索了 5 种 ML 模型，包括自适应提升（Adaptive boosting，AdaBoost）、极端梯度提升（Extreme gradient boosting，XGBoost）、GBM、随机森林（Random forest，RF）和 LR，并对表现最佳的 3 种模型进行组合，构建集成模型。
研究结果显示，在单模型中，LR、AdaBoost 和 GBM 在平衡准确度和受试者工作特征曲线下面积（Area under receiver operating characteristic，AUROC）方面表现最佳。而集成模型中，GBM 和 LR 的组合表现最为突出，其交叉验证的平衡准确度达到 60.9%（SD: 0.006），AUROC 为 0.659（SD: 0.006）；在测试集中，平衡准确度为 61.7%，AUROC 为 0.661。
通过特征重要性分析，研究人员发现影响 AUB 预测的前三大特征分别是新冠疫苗接种频率、NVX-CoV2373（Novavax）新冠疫苗接种次数和血红蛋白水平。此外，统计分析表明，接种疫苗的个体比未接种的个体发生 AUB 的风险更高，这一关联在 35 - 50 岁的女性中更为明显。
在研究结论与讨论部分，此次研究具有重要意义。这是首次开发出预测接种后 AUB 的 ML 模型，为后续研究奠定了基础。通过特征重要性分析确定的关键特征，有助于深入了解 AUB 的发生机制。同时，研究结果支持了接种疫苗个体更易发生 AUB 的假设，强调了严格统计方法在疫苗安全监测中的重要性。
然而，研究也存在一些局限性。例如，研究仅使用了韩国队列数据，缺乏外部验证，可能影响研究结果的全球通用性；数据集中 AUB 病例的低发生率影响了模型的准确性和泛化能力；尽管采取了校正措施，但仍可能存在潜在的 I 型错误以及变量间的共线性和混杂因素；此外，AUB 诊断还可能存在监测偏倚。
尽管存在这些不足，该研究依然为疫苗安全监测和女性健康管理提供了重要参考。未来的研究可以进一步扩大样本范围，纳入更多潜在风险因素，探索更先进的统计方法，以完善对疫苗接种后 AUB 的预测和监测，更好地保障公众健康。
