基于机器学习的血代谢概况,用于预测肝硬化的长期并发症
Chengnan Guo1,2, Zhenqiu Liu3,4, Hong Fan2,4
1Shanghai Institute of Infectious Disease and Biosecurity, School of Public Health, Fudan University, Shanghai, China.
Hepatology (Baltimore, Md.)
|April 17, 2024
概括
一个新的血代谢评分工具准确地预测肝硬化并发症,优于现有的风险评分. 这使得个性化肝病管理的早期风险分层成为可能.
科学领域:
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
- 肝病学 肝病学是一种肝病学.
背景情况:
- 肝硬化并发症通常在晚期诊断逐步纤维化后出现.
- 早期识别有风险的个体对于及时干预至关重要.
研究的目的:
- 开发基于血代谢的评分来预测肝硬化并发症.
- 创建一个工具,使早期风险分层和肝脏相关事件的个性化管理.
主要方法:
- 利用了来自64,005名英国生物库参与者的代谢数据的机器学习框架.
- 开发了一种集成的诺米图,包括代谢状态和临床因素.
- 使用依赖时间的AUC,校准曲线和决策曲线分析验证的预测性能.
主要成果:
- 代谢评分准确预测了培训队列中的10年肝硬化并发症风险 (AUC:0.84).
- 诺米图表的表现优于纤维化-4指数和多基因风险评分.
- 在验证队列中,nomogram的AUC为0.930 (3年),0.889 (5年) 和0.861 (10年).
- 与低风险人群相比,高风险人群面临的并发症风险增加了43.58倍.
结论:
- 一种新型的代谢状态综合性诺米图有效地分层了肝硬化并发症的风险.
- 该工具可为肝脏相关事件提供个性化管理策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
11:06Network Pharmacology Prediction and Metabolomics Validation of the Mechanism of Fructus Phyllanthi against Hyperlipidemia
Published on: April 7, 2023
2.0K
