非アルコール性脂肪肝疾患における揮発性有機化合物の役割を調査する機械学習の方法

科学分野:

• ヘパトロジー
• バイオマーカーの発見
• コンピューター生物学

背景:

• 非アルコール性脂肪肝 (NAFLD) は世界人口の25%から30%に及ぶ.
• NAFLDの正確で非侵襲的な検出方法は極めて重要です.

研究 の 目的:

• 揮発性有機化合物 (VOC) と機械学習 (Mach-L) のNAFLD検出の有効性を調査する.
• VOCデータとないモデルの予測性能を比較する.

主な方法:

• 台湾のMJコホートから1,501人のコホートを分析した.
• 341個のVOCを特定するために,選択イオンフローチューブ質量スペクトロメトリーを使用して,呼気サンプルを分析した.
• 人口統計,ライフスタイル,生化学データ,VOCを含む予測モデルを評価するために10のMach-Lアルゴリズムが使用されました.

主要な成果:

• VOCを含んだNAFLD予測モデルは,VOCを含まないモデルと比較して (AUC 0. 770 ± 0. 264) 精度が向上したことを示した.
• NAFLDの主要な予測要因には,BMI,トリグリセリド,尿酸,断食プラズマグルコース,および性別が含まれていた.
• NAFLDの予測に大きく影響する10の特定のVOCが特定されました.

結論:

• 予測モデルにVOCを組み込むことでNAFLDの検出が大幅に改善されます.
• VOCはNAFLDの病理学に関連した非侵襲的なバイオマーカーとして潜在的であることを示しています.