糖尿病前期风险分类算法通过动脉体和K-means集群技术

科学领域:

• 生物医学工程 生物医学工程
• 机器学习 机器学习
• 心血管生理学心血管生理学

背景情况:

• 2型糖尿病 (T2DM) 影响全球数百万人,需要早期检测以预防并发症并减少医疗负担.
• Carotid bodies (CBs) 在心肺呼吸调节中发挥作用,并且在代谢功能障碍的早期阶段,它们的化学敏感性可能会发生变化.
• 目前的糖尿病前期诊断方法可以通过更敏感和更容易获得的查工具来改进.

研究的目的:

• 引入一种新的糖尿病前期风险分类算法 (PRCA).
• 为了研究心动脉体 (CB) 化学敏感性在检测糖尿病前期时的有用性.
• 应用机器学习技术,以提高诊断准确度.

主要方法:

• 收集了患有糖尿病前期和没有糖尿病的个体的心率 (HR) 和呼吸率 (RR) 数据.
• 通过氧气吸入刺激CB化学敏感性,并在标准化餐后评估反应.
• 利用K-means集群,并开发了一个用于风险分类的新型算法 (PRCA).

主要成果:

• 与对照组相比,在糖尿病前期组观察到更大的心肺呼吸系统变异性,特别是在氧气刺激后.
• 开发的PRCA在将个人分类为糖尿病前期时显示出86%的准确性.
• 这些发现突出了CB化学敏感性放松调节作为T2DM早期阶段的潜在生物标志物.

结论:

• 基于CB的化学敏感性,PRCA为早期糖尿病前期检测提供了一种有前途,细微的方法.
• 机器学习方法和算法适应性表明了对其他疾病风险的分类的潜在应用.
• 建议通过纵向研究和更大的队列进行进一步验证,以确认算法的有效性.