プロテオミクスの洞察によるセプシスの診断: 将来のICUコホートからの発見

科学分野:

• プロテオミクスと機械学習
• セプシス診断のためのバイオマーカーの発見
• 臨床情報工学と電子医療記録

背景:

• セプシスの診断は現在 臨床的で異質で タイムリーで正確な診断は困難です
• 既存の診断ツールでは,セプシスの病理学的複雑さを完全に捉えることはできません.
• セプシスの診断を助けるために,最適化され,使いやすい臨床的変数が必要である.

研究 の 目的:

• セプシス診断のためのプロテオミクスに基づく機械学習アプローチを開発する.
• セプシスの検出のための最小限の最適化された臨床変数のセットを特定する.
• このアプローチがSOFAのような既存のスコアリングシステムを補完するか上回るかを評価する.

主な方法:

• アカデミックICUでの展望観察研究
• LC-MS (diaPASEF) とDIA-NNソフトウェアを用いたプラズマプロテオミクス分析
• ランダムフォレストモデルは,プロテオミックデータを臨床変数とリンクするように訓練され,変数選択のための再帰的特征排除 (RFE) が実行されます.

主要な成果:

• セプシスと非セプシス患者の間で12の異なる発現のプラズマタンパク質が特定されました.
• 選択された臨床変数を用いてAUCを0. 73 (Discovery) と0. 76 (Validation) とした.
• 3つの特徴 (BUN,CCL3,クレアチニン) の最小のセットは,クレアチニンがプロテオミックデータと強く相関する強力な予測性能を示した (R2 = 0. 558).

結論:

• 腎臓マーカーとCCL3を含む簡潔な臨床変数のセットは,毒症の差別化のためのプロテオミック信号を捕捉することができます.
• この"プロテオミクスを活用して臨床を優先する"戦略は,セプシスの認識を改善するための実用的なEHRの導入を支援します.
• 腎機能不全はセプシスに大きく影響し,腎臓のマーカーに重点を置くことは診断とリスク評価を向上させる可能性があることを示唆しています.