相关实验视频

Updated: Jul 13, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

基于血小板和胆酸的机器学习使用HBV相关肝硬化病的临床预测

Zhenpeng Wang¹, Aimin Zhang¹, Yue Yin¹

¹Department of Clinical Laboratory, Peking University People's Hospital, Xizhimen South Street No. 11, Beijing 100044, China.

Clinica chimica acta; international journal of clinical chemistry

|October 11, 2023

概括

血清胆汁酸和血小板计数可以预测慢性乙型肝炎 (CHB) 患者的肝硬化. 一个机器学习模型准确地识别了肝病的进展,有助于早期发现肝硬化.

科学领域:

肝病学肝病学是一种肝病学.
代谢学代谢学代谢学
机器学习在医学中的应用

背景情况:

慢性乙型肝炎 (CHB) 是一个重要的全球健康问题.
肝硬化是CHB的严重并发症,需要早期检测才能有效管理.
预测CHB向肝硬化进展的生物标志物对于临床实践至关重要.

研究的目的:

评估血清胆汁酸在预测CHB患者肝硬化中的疗效.
开发和验证一种机器学习模型,以区分与HBV相关的肝硬化 (BAC) 和CHB.

主要方法:

使用非向和向的代谢分析来识别失调的代谢物.
使用血小板 (PLT) 计数和特定胆酸 (TUDCA,UDCA,TLCA,LCA,CA) 构建了一个LightGBM机器学习模型.
该模型的诊断性能使用内部和独立验证队列中的AUC值进行评估.

主要成果:

与CHB患者相比,BAC患者的血清胆汁酸概况发生了显著的变化.
光GBM模型在BAC检测方面实现了高诊断准确性 (AUC=0.97在内部验证中).
该模型在将补偿BAC与CHB区分方面表现出强大的预测性能 (AUC = 0.89),并且表现优于现有方法.

结论:

整合PLT计数和五个胆酸的机器学习模型对评估CHB进展表现有前途.
这种模型为CHB患者的肝硬化早期和准确检测提供了潜力.
这些发现支持基于胆酸的生物标志物的临床实用性,用于管理CHB.

关键词:

胆酸是什么意思胆酸是什么意思慢性乙型肝炎病毒感染.肝硬化是肝硬化的一种.机器学习机器学习代谢分析的代谢分析

更多相关视频

A Competent Hepatocyte Model Examining Hepatitis B Virus Entry through Sodium Taurocholate Cotransporting Polypeptide as a Therapeutic Target

A Competent Hepatocyte Model Examining Hepatitis B Virus Entry through Sodium Taurocholate Cotransporting Polypeptide as a Therapeutic Target

Published on: May 10, 2022

Analysis of HBV-Specific CD4 T-cell Responses and Identification of HLA-DR-Restricted CD4 T-Cell Epitopes Based on a Peptide Matrix

Analysis of HBV-Specific CD4 T-cell Responses and Identification of HLA-DR-Restricted CD4 T-Cell Epitopes Based on a Peptide Matrix

Published on: October 20, 2021

相关概念视频