通过使用生物医学知识图表来丰富电子健康记录,通过早期发现帕金森病

科学领域:

• 生物医学信息学 生物医学信息学
• 计算神经科学是一种神经科学.
• 精准医学是一门精准的医学.

背景情况:

• 早期诊断帕金森病 (PD) 对于旨在减缓神经退行的干预措施至关重要.
• 病发前的症状经常被记录在电子健康记录 (EHR) 中.

研究的目的:

• 开发和验证用于帕金森病诊断的预测模型,使用与生物医学知识图集成的EHR数据.
• 在诊断前的不同时间点评估预测模型的准确性和可解释性.

主要方法:

• 来自PD患者和非PD控制组的电子健康记录 (EHR) 数据被嵌入到可扩展精准医学开放知识引擎 (SPOKE) 知识图中.
• 患者嵌入载体被生成并用于训练和验证PD诊断的分类器.
• 在诊断前1,3年和5年使用AUC指标评估模型性能.

主要成果:

• 该分类器在预测PD诊断方面取得了中等的准确性 (AUC从0.72到0.77不等).
• 该模型在PD预测中表现优于基准方法.
• 对SPOKE图的分析揭示了PD病例中的新关联,并提供了对个体风险分类的见解.

结论:

• 开发的方法表明,通过利用生物医学知识丰富的EHR数据来预测PD诊断的临床解释方法.
• 该SPOKE知识图提供了一个潜在的成本效益和个性化战略,用于早期发现PD.
• 这种方法有助于早期识别可能受益于及时干预的个人.