对基于遗传学和分子路径的机器学习模型进行系统审查,以诊断神经障碍
Nasser Ali Aljarallah1, Ashit Kumar Dutta1, Abdul Rahaman Wahab Sait2
1Department of Computer Science and Information Systems, College of Applied Sciences, AlMaarefa University, Ad Diriyah, Riyadh 13713, Saudi Arabia.
International journal of molecular sciences
|June 27, 2024
概括
利用遗传学和分子途径的机器学习 (ML) 模型显示出改善神经系统疾病的诊断和管理的前景. 这些先进的方法提供了个性化的干预措施,以获得更好的患者结果.
科学领域:
- 神经学 神经学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 神经系统疾病的诊断和管理面临着重大挑战,需要创新的方法.
- 遗传学和分子通路对于理解神经系统疾病至关重要.
- 机器学习 (ML) 为分析复杂的生物数据提供了潜力.
研究的目的:
- 系统地审查有关神经系统疾病的基于遗传学和分子途径的ML模型的文献.
- 评估这些ML模型在诊断和治疗中的意义和有效性.
- 确定当前的趋势,挑战和未来的研究方向.
主要方法:
- 数字图书馆的系统文献审查.
- 制定特定的搜索策略,以确定相关研究.
- 严格的研究选择标准适用于共24项纳入研究.
- 基于特定神经系统疾病的研究分类.
主要成果:
- 审查的研究表明,在治疗神经系统疾病方面,各种方法和显著的结果.
- 基于遗传学和分子途径的ML模型显示了个性化干预的潜力.
- 这些模型通过分析复杂的数据来提高诊断准确性和治疗效率.
- 在各种神经疾病中,突出了异常的结果.
结论:
- 基于遗传学和分子途径的ML模型具有很大的潜力,可以促进神经系统疾病的诊断和管理.
- 现有的模型证明了有效性,为个性化医疗铺平了道路.
- 需要进一步的研究来将这些模型通用化为现实世界的临床应用,并解决相关挑战.
