从现实数据中分类胃肠道外科结果:英国生物银行的综合分析
Uri Kartoun1, Kingsley Njoku2, Tesfaye Yadete3
1IBM Research, Cambridge, MA, USA.
AMIA ... Annual Symposium proceedings. AMIA Symposium
|January 15, 2024
概括
这项研究引入了一种新的AI方法,用于从患者数据中识别炎症性肠病 (IBD) 亚型. 人工智能确定了一组IBD患者的子组,他们需要胃肠道手术的风险更高.
科学领域:
- 计算生物学是一种计算生物学.
- 医疗信息学医学信息学
- 胃肠病学 胃肠病学
背景情况:
- 慢性胃肠道 (GI) 疾病,如炎症性肠道疾病 (IBD),需要个性化治疗和预后.
- 需要准确的分类系统来预测个体患者的有效疗法.
研究的目的:
- 通过开源人工智能工具包,介绍一种用于探索肠道疾病亚型的新方法.
- 来自英国生物银行 (UK Biobank) 的胃肠道手术队伍中发现独特的患者子组.
主要方法:
- 在英国生物银行数据集上应用BiomedSciAI工具包.
- 使用基于子群的特征选择和多维子集扫描.
- 使用额外的队列来代地改进子组发现.
主要成果:
- 从12,073名患者的队列中,确定了一个由440名IBD患者组成的子组.
- 这一IBD亚组表现出随后的胃肠道手术的风险增加 (OR:2.21,95% CI [1.81-2.69]).
- 演示用于子组发现的代过程改进.
结论:
- 这种新的方法有效地发现了具有明显临床风险的患者子组.
- 代子组发现细化了研究结果,并为治疗反应的决定因素提出了假设.
- 这种方法有助于制定针对IBD管理的个性化药物策略.
