相关实验视频
Updated: Jun 18, 2026
08:56
Evaluating the Role of Mitochondrial Function in Cancer-related Fatigue
Published on: May 17, 2018
9.2K
使用外周血液单核细胞开发一种基于血细胞的诊断测试,用于肌痛性脑筋炎/慢性疲劳综合征
Jiabao Xu1,2, Tiffany Lodge3, Caroline Kingdon4
1Department of Engineering Science, University of Oxford, Parks Road, Oxford, OX1 3PJ, UK.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|September 1, 2023
概括
诊断肌痛性脑筋炎/慢性疲劳综合征 (ME/CFS) 现在使用新的拉曼光谱和AI血液检测更准确. 这项技术将ME/CFS患者与对照患者区分开来,并评估疾病的严重程度.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
背景情况:
- 肌痛性脑筋炎/慢性疲劳综合征 (ME/CFS) 诊断严重依赖患者的主观报告,缺乏客观生物标志物.
- 诊断挑战导致诊断延迟或错过,影响患者的护理和治疗.
- ME/CFS的衰弱性质显著影响患者的生活质量.
研究的目的:
- 开发一个客观的诊断工具ME/CFS使用血细胞分析.
- 为了区分ME/CFS患者与健康患者和其他疾病对照者.
- 通过血液细胞分析评估ME/CFS严重程度的分级潜力.
主要方法:
- 利用单细胞拉曼光谱平台分析血液细胞.
- 应用人工智能算法来解释复杂的拉曼光谱数据.
- 包括98名人类受试者:61名ME/CFS患者 (严重程度不同) 和37名对照.
主要成果:
- 在将ME/CFS患者与对照患者区分的准确度达到91%.
- 成功地区分了轻度,中度和重度的ME/CFS病例,准确率为84%.
- 确定了与ME/CFS表型相关的特定拉曼光谱峰值,提供了生物学见解.
结论:
- 单细胞拉曼光谱与人工智能相结合,为ME/CFS诊断提供了一个高度准确,客观的方法.
- 这种方法可以帮助疾病管理,并可能确定治疗点.
- 该方法对其他复杂的慢性疾病 (如长期COVID) 的应用有希望.
更多相关视频
07:40Preparation of Peripheral Blood Mononuclear Cell Pellets and Plasma from a Single Blood Draw at Clinical Trial Sites for Biomarker Analysis
Published on: March 20, 2021
16.8K
06:03Author Spotlight: Advancing Immune Monitoring in Critical Care Patients Using Whole Blood Assays
Published on: September 20, 2024
1.3K
