一个基于临床特征的多机器学习共识模型揭示了从单细胞衍生出的介质蛋白-10导致2019年冠状病毒病患者的预后不佳
Jing Yu1, Yike Zhang1, Zhixiong Ye1
1Second Department of Respiratory and Critical Care Medicine, The Second Hospital of Hebei Medical University, Shijiazhuang, People's Republic of China.
Journal of inflammation research
|September 9, 2024
概括
一个新的COVID-19预后模型使用临床特征和机器学习准确预测患者的结果. 介素-10 (IL-10) 被认为是早期测试和告知治疗策略的关键生物标志物.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 继续导致全球重大健康问题.
- 有效的COVID-19临床管理依赖于早期诊断和干预.
- 基于基因表达数据的现有预后标志物有效性有限,需要改进生物标志物.
研究的目的:
- 利用机器学习和临床数据,为COVID-19患者开发一个强大的预后模型.
- 为了确定准确的生物标志物来预测COVID-19的结果和指导治疗策略.
- 为了研究介质素-10 (IL-10) 作为COVID-19的预后指标的作用.
主要方法:
- 从189名COVID-19患者中对149个临床特征进行了回顾性分析.
- 使用7个机器学习算法开发77个预测模型,包括拉索和随机生存森林 (RSF).
- 预后特征的验证以及在培训,验证和整个队伍中开发的COVID-19相关预后模型 (CRM).
主要成果:
- 通过将拉索和RSF结合起来,开发了一个强大的CRM,在队列中展示了一致的性能.
- 介质蛋白-10 (IL-10) 被确定为CRM中的一个关键预后特征.
- 单细胞分析证实了IL-10的诊断相关性,并将其在单核细胞中的表达与改变的免疫细胞通信联系起来.
结论:
- 开发的CRM准确地预测了COVID-19患者的预后结果.
- 建议在入院后对IL-10水平进行早期测试,以告知治疗策略.
- 这项研究强调了机器学习和IL-10等特定生物标志物的潜力,以改善COVID-19患者管理.
