関連する実験動画
Updated: Feb 19, 2026

Constructing and Visualizing Models using Mime-based Machine-learning Framework
Published on: July 22, 2025
家族性地中海熱におけるコルキシン耐性を予測するための機械学習アルゴリズム
Admir Öztürk1, Berkay Kılıç1, Murad Kucur2
1Medicine, Cerrahpasa Medical Faculty, University of Istanbul-Cerrahpasa, Turkey, Istanbul.
人工知能モデルは,家族性地中海熱 (FMF) 患者におけるコルキシン耐性を予測することができます. このAIのアプローチは,FMFの成人を早期に特定し,パーソナライズされた治療に役立ちます.
科学分野:
- 遺伝学と免疫学について
- 計算生物学とは,計算生物学である.
- レウマトロジーの病理学
背景:
- 家族性地中海熱 (FMF) は,遺伝的自己炎症性疾患である.
- コルチキンは標準治療法ですが,成人の患者の5〜10%が耐性を示しています.
- コルキシン耐性の早期発見は,効果的な管理に不可欠です.
研究 の 目的:
- 大人のFMF患者におけるコルキシン耐性を予測するための機械学習 (ML) とディープラーニング (DL) アルゴリズムの可能性を調査する.
- 治療抵抗性の早期発見のためのAIベースのモデルを開発する.
- FMF管理のためのパーソナライズされた治療戦略を容易にするために.
主な方法:
- 遺伝子診断とフォローアップが確認された965人の成人FMF患者の遡及分析.
- 特徴の選択には,変異型,MEFV変異,関節炎,関節痛,診断時の年齢,および発作頻度が含まれていました.
- AUCメトリックを使用して,ロジスティック回帰と完全に接続されたニューラルネットワークモデルの開発と評価.
主要な成果:
- ロジスティック回帰モデルとディープラーニングモデルの両方が,曲線下の面積 (AUC) 0.79.7を達成しました.
- コルキシン耐性の有意な予測要因には,ホモジゴス変異型,再発性関節炎,慢性関節痛,診断年齢,および発作頻度が含まれています.
- これらの要因は,治療反応に関連する重要な臨床および遺伝的指標を強調しています.
結論:
- AIベースのアルゴリズム,特にディープラーニングは,成人のFMFにおけるコルキシン耐性を予測する大きな可能性を示しています.
- これらの予測モデルは,臨床医が適切な治療決定を下すのに役立ちます.
- この発見は,コルキシンに耐性のあるFMF患者に対する,個別化された治療アプローチの開発を支援しています.
さらに関連する動画
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
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
関連する概念動画
Pharmacogenomics: Identification of New Drug Targets
Pharmacogenetic Phenotypes: Alterations in Pharmacokinetics, Drug Targets and Biologic Milieu
Pharmacogenetics of Drug Targets: β₂-Adrenergic Receptors, Apo E, Thymidylate Synthase
Drugs that Destabilize Microtubules