アディポサイト脂肪酸結合タンパク質に基づく機械学習モデルは,薬物誘発性肝損傷患者の慢性および致死的な結果を予測するのに役立ちます
Haoshuang Fu1, Shuying Song1, Hong Zhao2
1Department of Infectious Diseases, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, 197 Ruijin Er Road, Huangpu District, Shanghai 200025, China.
アディポサイト脂肪酸結合タンパク質 (AFABP) レベルは,薬物誘発性肝損傷 (DILI) の進行を予測する. AFABPを使用した機械学習モデルは,慢性または致死性DILIのアウトカムを正確に予測し,臨床的決定を支援します.
科学分野:
- ヘパトロジー
- バイオマーカー
- 医療における機械学習
背景:
- 薬物誘発性肝損傷 (DILI) は,慢性または致死的な結果につながる可能性があります.
- DILIの進行におけるアディポサイト脂肪酸結合タンパク質 (AFABP) の役割は十分に理解されていません.
研究 の 目的:
- AFABPとDILIの進行との関連を調査する.
- 慢性または致命的なDILI結果を予測するための機械学習モデルを開発する.
主な方法:
- 331人のDILI患者が6ヶ月間追跡され,アウトカム (回復,慢性,死亡/肝臓移植) を分類した.
- 血清と肝臓のAFABPレベルは,ELISAと免疫ヒストキミアを用いて測定された.
- 機械学習モデル (Extreme Gradient Boosting, logistic regression) を訓練し,血清AFABPに基づいてDILI結果を予測するために検証した.
主要な成果:
- 血清と肝臓のAFABPレベルは,DILIの進行と相関しています.
- Extreme Gradient Boostingモデルは,慢性的なDILIを予測するために,AUROC 0.87 (トレーニング) と 0.90 (検証) を達成しました.
- ロジスティック回帰モデルは,死亡/肝臓移植を予測するために,AUROC 0.90 (トレーニング) と 0.92 (検証) を達成し,以前のモデルを上回った.
結論:
- 血清AFABPはDILIの進行を予測する有意な指標である.
- AFABPを組み込んだ機械学習モデルは,DILIの結果を予測する上で高い精度を示しています.
- これらの予測モデルはDILI患者の臨床管理を強化する可能性があります.
さらに関連する動画
07:27The Murine Choline-Deficient, Ethionine-Supplemented CDE Diet Model of Chronic Liver Injury
Published on: October 21, 2017
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
関連する概念動画
Physiological Pharmacokinetic Models: Incorporating Hepatic Transporter-Mediated Clearance
A recent model describes pravastatin's hepatobiliary excretion,...
Physiological Pharmacokinetic Models: Assumption with Protein Binding
