根据诊断前史和临床特征确定脑瘤患者的亚型:一个试点层次聚类和关联分析

科学领域:

• 神经科学是一个神经科学.
• 在瘤学瘤学.
• 数据科学数据科学数据科学

背景情况:

• 中枢神经系统 (CNS) 瘤是一个重大的健康问题,其发病率正在上升.
• 中枢神经系统瘤的流行病学受到各种因素的影响,但仍然不完全理解.

研究的目的:

• 通过集群分析识别中枢神经系统瘤患者亚型.
• 调查确定的患者亚型与瘤恶性病变之间的关联.

主要方法:

• 招募了90名疑似中枢神经系统瘤的患者进行历史和临床评估.
• 收集关于生活方式,社会经济,临床和心理测量特征的数据.
• 应用等级聚类来识别患者群体,并测试与瘤恶性病的关联.

主要成果:

• 确定了两个不同的患者群体:一个更健康,更富裕和职业活跃的群体,另一个是退休的,不太健康的个人.
• 更健康的群体显示,中枢神经系统恶性瘤的风险显著降低 (74%的风险降低).
• 在非恶性和恶性瘤病例之间,在性别和收入方面观察到显著的差异.

结论:

• 使用无监督机器学习进行患者分析可能有助于预测恶性中枢神经系统瘤风险.
• 这些发现可以为智能系统提供治疗优先级的信息,特别是当基因病理学数据不可用时.