Video Experimental Relacionado
Updated: Feb 13, 2026

Biomarkers in an Animal Model for Revealing Neural, Hematologic, and Behavioral Correlates of PTSD
Published on: October 10, 2012
El aprendizaje automático guiado por metabolomía revela biomarcadores de diagnóstico y mecanicistas en CHB con MASLD
Chuyang Wang1,2, Yutao Chen3,4, Huanming Xiao5
1Biological Resource Center, the Second Affiliated Hospital of Guangzhou University of Chinese Medicine, Guangzhou, China.
La enfermedad hepática estatótica asociada a la disfunción metabólica (MASLD) en pacientes con hepatitis B crónica (CHB) se puede identificar utilizando firmas metabólicas específicas. Los modelos de aprendizaje automático que integran estos metabolitos ofrecen un enfoque prometedor para el diagnóstico precoz.
Área de la Ciencia:
- Hepatología Hepatología.
- Metabolomía es la parte que tiene que ver con el metabolismo.
- Aprendizaje automático Aprendizaje automático.
Sus antecedentes:
- La enfermedad hepática estatótica asociada a la disfunción metabólica (MASLD, por sus siglas en inglés) con frecuencia coexiste con la hepatitis B crónica (CHB, por sus siglas en inglés).
- El diagnóstico temprano del MASLD relacionado con CHB es un desafío, especialmente en individuos no obesos o en aquellos con síntomas sutiles.
- Este estudio buscó descubrir indicadores metabólicos de MASLD asociado a CHB y desarrollar una herramienta predictiva.
Objetivo del estudio:
- Identificar los perfiles metabólicos únicos que distinguen a los pacientes con CHB-MASLD de los controles sanos.
- Desarrollar y validar un modelo predictivo basado en el aprendizaje automático para CHB-MASLD.
- Elucidar las bases metabólicas de CHB-MASLD.
Principales métodos:
- Se realizó metabolomía sérica no dirigida en 160 participantes (80 CHB-MASLD, 80 controles).
- Utilizó el análisis de enriquecimiento KEGG y cuatro algoritmos de aprendizaje automático (Random Forest, XGBoost, SVM, LASSO) para identificar metabolitos diferenciales.
- Se evaluaron las correlaciones clínico-metabolito y el rendimiento diagnóstico de los modelos predictivos.
Principales resultados:
- Se identificaron 924 metabolitos diferenciales, enriquecidos en el ciclo TCA, el metabolismo de los esfingolipidos y las vías de los aminoácidos.
- Seis metabolitos clave (ácido L-aspártico, ácido succínico, ácido caproico, ácido sébac, succinato de monomentilo, glicolaldehído) diferenciaron efectivamente a los pacientes con CHB-MASLD (AUC > 0,75).
- Los modelos integrados que combinan la metabolomía y los datos clínicos lograron una precisión de diagnóstico perfecta (AUC = 1.000).
Conclusiones:
- El MASLD asociado con CHB implica cambios metabólicos sistémicos, incluida la disfunción mitocondrial, el estrés oxidativo y el metabolismo alterado de los aminoácidos.
- Los metabolitos identificados ofrecen conocimientos mecanicistas y potencial para el cribado MASLD no invasivo en pacientes con CHB.
- La metabolomía multi-algoritmica muestra una promesa significativa para el diagnóstico precoz y el manejo personalizado de comorbilidades hepáticas complejas.
Más Videos Relacionados
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
Videos de Conceptos Relacionados
Machines
A free-body diagram of the...
Machines: Problem Solving II
Machines: Problem Solving I
The toggle clamp system is a machine structure consisting of movable, pin-connected multi-force members that form a stabilized system to transmit forces. The...
Mechanistic Models: Overview of Compartment Models
Avoidance Learning and Learned Helplessness
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
Mechanistic Models: Compartment Models in Individual and Population Analysis