基于血液转录组的创伤后多器官衰竭/功能障碍综合征生物标志物预测模型的开发
Ivan Duran1, Ankita Banerjee1, Patrick J Flaherty2
1Department of Surgery, Massachusetts General Hospital and Harvard Medical School, 50 Blossom St., Their 340, Boston, MA, 02114, USA.
Annals of intensive care
|August 28, 2024
概括
使用转录组数据的机器学习模型可以在24小时内预测创伤患者的多器官衰竭 (MOF). 这些基因组生物标志物在早期MOF结果预测方面显著优于传统的损伤得分.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 创伤研究 创伤研究
背景情况:
- 多器官衰竭 (MOF) 是严重创伤患者死亡和疾病的重要原因.
- 目前的诊断方法依赖于生理监测和临床评分,往往检测MOF迟到.
- 对于早期的MOF预测有着至关重要的需求,以改善患者的治疗结果.
研究的目的:
- 在创伤患者中开发MOF结果的早期预测模型.
- 利用来自血液样本的全基因组转录组数据的机器学习分析.
- 将开发的模型的预测性能与传统的伤害严重程度得分和感染检测进行比较.
主要方法:
- 对141名成年重创伤患者的巴菲外套转录组和临床数据的分析.
- 最小绝对收缩和选择运算符 (LASSO) 和极端梯度提升 (XGBoost) 算法的应用.
- 使用受伤后24小时内采集的血液样本的精选成绩单开发预测模型.
主要成果:
- 拉索模型确定了18个具有高预测准确性的转录 (测试组中的AUROC为0.833).
- XGBoost模型确定了41个具有卓越预测准确性的转录 (测试组中的AUROC 0.907).
- 基于生物标志物的模型显著优于基于伤害严重性得分 (例如,ISS,NISS) 和性别的模型.
结论:
- 早期的MOF评估使用创伤后血液转录组数据可以增强临床决策.
- 改进的预测可能会导致降低发病率,死亡率和医疗保健成本.
- 识别关键的转录为MOF分子机制提供了洞察力,可能引导新的治疗干预措施.
