Video Experimental Relacionado
Updated: Jul 20, 2026
04:09
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.9K
Un estudio multicéntrico prospectivo sobre metabolomía plasmática y aprendizaje automático para el diagnóstico de la
Jiaochen Luan1,2, Wenchuan Shao1,2, Chunlu Xu3
1Department of Urology, Jiangsu Provincial People's Hospital, The First Affiliated Hospital of Nanjing Medical University, Nanjing, Jiangsu 210029, China.
The journal of sexual medicine
|February 20, 2026
Resumen
Este estudio identifica perfiles metabólicos únicos en la eyaculación precoz primaria (EPI) y desarrolla modelos de aprendizaje automático para diagnosticar el EPI y predecir la respuesta al tratamiento con dapoxetina.
Área de la Ciencia:
- La Metabolomía es una parte de la Metabolomía.
- El descubrimiento de biomarcadores.
- Aprendizaje automático en medicina.
Sus antecedentes:
- La eyaculación precoz (EP) es una disfunción sexual común con respuestas variables al tratamiento con dapoxetina.
- Hay una necesidad de biomarcadores para guiar el diagnóstico y la terapia de la EP.
- Los perfiles metabólicos plasmáticos distintos pueden diferenciar a los pacientes con EP de los controles sanos y predecir los resultados del tratamiento.
Objetivo del estudio:
- Para investigar el perfil metabólico plasmático de los pacientes con eyaculación precoz primaria (EPI).
- Desarrollar modelos basados en el aprendizaje automático (ML) para el diagnóstico de EPP.
- Para crear modelos de ML para predecir la respuesta del paciente al tratamiento con dapoxetina.
Principales métodos:
- Análisis metabolómico no dirigido de muestras de plasma de 69 pacientes con EPP y 51 controles sanos (HC).
- Análisis de enriquecimiento de vías utilizando la base de datos de vías de pequeñas moléculas y la Enciclopedia de Kioto de genes y genomas.
- Aplicación de la máquina de vectores de soporte, el bosque aleatorio y la regresión LASSO para la detección de biomarcadores y el desarrollo de modelos.
- Metabolomía dirigida para cuantificar los niveles de neurotransmisores.
Principales resultados:
- Los perfiles metabólicos separaron claramente a los pacientes con EPP de los sujetos con HC y predijeron la respuesta al tratamiento con dapoxetina.
- El metabolismo de los aminoácidos, el metabolismo de los D-aminoácidos y las vías de biosíntesis de la arginina se enriquecieron significativamente en EPP.
- Los modelos de ML lograron una alta precisión (AUC > 0,9) para diagnosticar EPI y predecir la respuesta al tratamiento.
- Se confirmó una desregulación significativa de los neurotransmisores en pacientes con EPI.
Conclusiones:
- Los modelos de aprendizaje automático demuestran un rendimiento robusto en el diagnóstico de EPP y la predicción de la respuesta al tratamiento con dapoxetina.
- Los distintos perfiles metabólicos y la desregulación de los neurotransmisores están implicados en la fisiopatología de los EPP.
- Estos hallazgos apoyan la traducción clínica potencial de las herramientas de diagnóstico y predicción basadas en ML para la EP.
Palabras clave:
La dapoxetina también se usa.El diagnóstico diagnóstico diagnóstico diagnóstico.Aprendizaje automático de aprendizaje automático.Los metabolomicos también son metaboliticos.La eyaculación precoz primaria es la eyaculación precoz primaria.
