整合多器官成像衍生的表型和基因组信息来预测常见疾病的发生

科学领域:

• 医学成像和基因组学
• 疾病预测建模的模型.
• 生物信息学是一种生物信息学.

背景情况:

• 医学成像对于临床诊断至关重要.
• 整合多模式数据,包括成像和基因组学,提高了诊断精度.
• 许多疾病都有环境和遗传因素.

研究的目的:

• 使用成像衍生表型 (IDP) 和多基因风险评分 (PRS) 预测九种常见疾病.
• 仅使用成像数据,仅使用基因组数据和两者的融合来比较预测模型.
• 评估数据融合对英国生物库 (UKBB) 数据集诊断准确性的影响.

主要方法:

• 利用英国生物银行数据对大脑,心脏,肺部,肝脏,脏,胰腺和脏进行成像.
• 为每个疾病开发了三种预测模型:仅用于成像,仅用于基因组和融合数据.
• 使用像曲线下的面积 (AUC) 这样的指标来比较模型性能.

主要成果:

• 融合成像和基因组数据模型在九种疾病中的七种疾病中表现优于单一模式模型.
• 心力衰竭 (HF) 风险预测AUC随着数据融合从0.68增加到0.79.
• 在整合两种数据类型后,冠状动脉疾病 (CAD) 诊断AUC从0.76提高到0.81.

结论:

• 影像衍生的表型和多基因风险评分的融合显著提高了疾病预测的准确性.
• 结合成像和基因组数据,与单个数据源相比,提供了更好的诊断能力.
• 这种综合方法有望为更精确,更全面的疾病风险评估提供希望.