使用无监督机器学习和与中性粒细胞相关的生物标志物的新型下肢外周动脉疾病亚型预测模型的构建
Lin Zhang1, Yuanliang Ma1, Que Li1
1The First Affiliated Hospital of Guangxi Medical University, Nanning, Guangxi, PR China.
Heliyon
|January 31, 2024
概括
这项研究使用机器学习开发了一种用于新型下肢外周动脉疾病 (LE-PAD) 亚型的预测模型. 该模型有助于对LE-PAD患者进行风险分层和个性化治疗,突出突出中性粒细胞.
科学领域:
- 血管生物学 血管生物学
- 免疫学 免疫学 免疫学
- 医疗信息学 医疗信息学
背景情况:
- 下肢外周动脉疾病 (LE-PAD) 是一种常见的疾病,具有严重的后果,如关键四肢缺血和截肢.
- 免疫微环境在LE-PAD病原发生过程中发挥作用,但特定的免疫细胞参与需要进一步阐明.
研究的目的:
- 开发一种新的LE-PAD亚型的预测模型,以分层疾病严重程度并指导个性化干预.
- 调查LE-PAD病变的免疫差异,特别是中性粒细胞参与.
主要方法:
- 使用无监督机器学习算法 (UMLAs) 来对460名LE-PAD患者进行分组.
- 后勤回归确定了新型亚型的预测因素,并构建了一个预测模型.
- 中性粒细胞水平在各个亚组中进行了比较,并进行了免疫细胞透分析. 血素和欧 (H&E) 染色评估了中性粒细胞透.
主要成果:
- UMLAs促进了创建一个新的LE-PAD亚型的预测模型,使得使用临床数据进行风险分层.
- 该模型有助于临床决策和LE-PAD个性化管理.
- 鉴定出中性粒细胞的透是LE-PAD病变发生过程中的关键因素.
结论:
- 使用UMLA和临床数据成功开发了一种新的LE-PAD亚型预测模型.
- 该模型改善了LE-PAD患者的风险分层和个性化管理.
- 中性粒细胞的透是下肢外周动脉疾病的致病的一个关键因素.
