使用MAPP研究网络队列验证明显的膀疼痛表型
Oluwarotimi Sewedo Nettey1, Cindy Gu2, Nicholas James Jackson3
1Department of Urology, Baylor College of Medicine, Houston, TX, 77030, USA.
International urogynecology journal
|February 1, 2024
概括
机器学习在一个大型队列中确定了三种不同的间歇性囊炎/膀疼痛综合征 (IC/BPS) 现型. 这些发现表明IC/BPS患者的真正病理生理差异,有助于诊断和治疗.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 疼痛医学 医学 疼痛医学
- 计算生物学 计算生物学
背景情况:
- 间歇性囊炎/膀疼痛综合征 (IC/BPS) 是一种复杂的疾病,可能有多种潜在原因.
- 以前将IC/BPS患者分为不同的表型的尝试是有限的.
- 在一个更大的多中心队列中验证这些表型对于理解疾病异质性至关重要.
研究的目的:
- 为了验证之前提出的三种IC/BPS患者的临床表型.
- 在一个大型的多中心队列中利用无监督机器学习 (ML) 分析.
- 将ML衍生的表型与单中心队列中的表型进行比较.
主要方法:
- 雇佣k-意味着对30名绝经前IC/BPS参与者在多学科方法研究慢性骨盆疼痛 (MAPP) 网络中的数据进行无监督的聚类.
- 利用女性生殖尿路疼痛指数和奥利里-桑特指数进行数据收集.
- 在ML衍生集群和先前定义的单中心表型之间比较患者报告的症状.
主要成果:
- 无监督的ML成功地将IC/BPS参与者分为三个不同的表型:肌肌肌痛,非泌尿病的盆腔疼痛和膀特异性疼痛.
- 现型的特点是特定的疼痛和尿道症状模式,具有统计学上显著的定义特征.
- 该ML模型仅使用11个特征实现了这一分类,这与以前的方法相比大幅减少,同时保持了准确性.
结论:
- 使用多中心数据库的独立ML分析对IC/BPS表型的可重复识别支持了它们的有效性.
- 这些发现表明,鉴定的表型代表了IC/BPS患者之间真正的病理生理学差异.
- 区分膀特异性疼痛与肌肌和生殖器疼痛对于有针对性的治疗方法至关重要.
