在渐进的多发性硬化症中,残疾进展的数据驱动模型
Sara Garbarino1,2, Carmen Tur3, Marco Lorenzi4
1Life Science Computational laboratory, IRCCS Ospedale Policlinico San Martino, 16132 Genoa, Italy.
Brain communications
|January 8, 2025
概括
这项研究使用贝叶斯模型揭示了明显的初级渐进性多发性硬化症 (PPMS) 进展率. 它确定了三个患者子组:规范性,加速性和减速性,有助于个性化治疗策略.
科学领域:
- 神经科学是一个神经科学.
- 生物统计学 生物统计学
- 医疗成像医学成像
背景情况:
- 初级渐进性多发性硬化症 (PPMS) 的特征是持续的神经衰退.
- 了解个体进展变异性对于有效的管理和临床试验至关重要.
- 现有的模型可能无法完全捕捉PPMS进展的异质性.
研究的目的:
- 应用贝叶斯数据驱动的疾病进展模型 (高斯过程进展模型) 来分析PPMS演变.
- 根据个体进展率来确定不同的患者子组.
- 调查这些子组的预后影响.
主要方法:
- 利用了1521名PPMS参与者 (国际渐进性多发性硬化症联盟项目) 的数据,其中包括纵向残疾和MRI指标.
- 应用了高斯过程进展模型来推断人口水平进展和个体速率.
- 在SPI2试验数据上使用Cox比例危险建模进行预后分析和外部验证.
主要成果:
- 确定了三个PPMS子组:规范性 (76%),加速性 (13%),减缓性 (11%) 的进展.
- 快速进展的患者表现出更早的症状发作,更高的男性患病率和更大的病变体积.
- 快速进展的患者的预后更差,确认残疾进展的风险增加了一倍,达到扩展残疾状态量表6的时间更短.
结论:
- 高斯的过程进展模型有效地描述了PPMS的异质性.
- 不同的子组 (快速,规范,缓慢的进展者) 具有显著的预后差异.
- 研究结果支持临床试验中的患者分层和PPMS个性化干预策略.
