一个全面的模型,以更好地选慢性乙型肝炎患者的抗病毒治疗候选者
Xiaoyan Li1, Yurong Gu1, Chunhong Liao2
1Department of Infectious Diseases, Third Affiliated Hospital of Sun Yat-Sen University, Guangzhou, Guangdong, China.
International immunopharmacology
|August 3, 2024
概括
结合临床和免疫标志物的新模型可以识别更多需要抗病毒治疗的慢性乙型肝炎患者. 这有助于改善及时干预,并减少肝病的进展.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 免疫学 免疫学 免疫学
- 机器学习在医学中的应用
背景情况:
- 慢性乙型肝炎 (CHB) 具有重大健康风险,目前的治疗标准是基于ALT,HBV DNA和HBeAg水平.
- 一些不符合当前标准的CHB患者仍在进展,这凸显了需要更好的查工具的需要.
- 及时的抗病毒治疗对于管理CHB和预防末期肝病至关重要.
研究的目的:
- 开发一个更全面的工具来识别需要抗病毒治疗的CHB患者.
- 改善治疗候选人的查,超出现有的临床指南.
主要方法:
- 分析了335名以前没有接受过治疗的CHB患者的临床和免疫特征 (先天和适应性反应).
- 利用流细胞计量来评估免疫参数.
- 应用机器学习和LASSO回归来开发使用血清学和免疫数据的预测模型.
主要成果:
- 确定了四个关键的临床参数:ALT,HBV DNA,纤维扫描值和A/G比.
- 选择了四个关键的免疫指标:NKbright+NKp44+,NKbright+NKG2A+,NKT+GranzymeB+和CD3+CD107a+ .
- 开发了一种具有高灵敏度和特异性的数学模型,用于选治疗候选人.
结论:
- 一个完善的模型整合了临床和免疫指标,准确地选CHB患者进行抗病毒治疗.
- 这些发现支持改善治疗指南和优化抗病毒治疗时间.
- 该模型对更好的病毒控制和减少末期肝病的潜在影响.


