在机器学习引导拉曼光谱和代谢学患者血中预测早产的第一季度预测
Lilly Synan1,2, Saman Ghazvini1,2, Saji Uthaman1,2
1Department of Chemical and Biological Engineering, Iowa State University, Ames, Iowa 50012, United States.
ACS applied materials & interfaces
|August 7, 2023
概括
早期预测早产 (PTB) 是至关重要的. 拉曼光谱与临床数据和机器学习相结合,在确定PTB风险时达到85.1%的准确性.
科学领域:
- 生物化学 生物化学
- 医学诊断 医学诊断 医学诊断
- 频谱学是一种光谱学.
背景情况:
- 过早出生 (PTB) 是全球婴儿死亡的主要原因.
- 目前的临床方法在预测PTB时缺乏准确性.
- 新的查工具对于早期PTB风险评估至关重要.
研究的目的:
- 调查拉曼光谱法用于分析孕早期母亲的血代谢组.
- 使用代谢学来确定PTB的预测生物标志物.
- 开发一个准确的,早期的PTB风险分层工具.
主要方法:
- 使用拉曼光谱学分析PTB和按期分娩患者的第一季度母亲血.
- 通过质谱测量进行代谢分析,以验证拉曼发现.
- 整合拉曼光谱数据,临床信息和机器学习,用于风险预测.
主要成果:
- 确定了15种具有统计意义的代谢物作为PTB的预测因素.
- 拉曼光谱检测结果通过质谱学验证,揭示了PTB中丰富的代谢途径.
- 拉曼数据和临床信息的协同集成在PTB风险分层中实现了85.1%的准确性.
- 标准临床数据和细胞因子分析未能有效识别PTB患者.
结论:
- 拉曼光谱查显示,作为产前护理中早期PTB预测的补充工具,具有前景.
- 综合方法为第一季度PTB风险分层提供了前所未有的准确性.
- 该方法可用于其他患者特定的生物界面分析.


