人工智能辅助的形状蛋白质方法是与食道炎相关的精密医学中的支持性工具
Sven Mattern1,2, Vanessa Hollfoth1, Eyyub Bag1
1Department of Pathology and Neuropathology, University of Tübingen, Tübingen, Germany.
EMBO molecular medicine
|February 3, 2025
概括
这项研究揭示了使用蛋白质基因分析的各种类型的食道炎的独特分子特征. 一种人工智能驱动的方法准确地诊断了疾病,并确定了个性化的治疗目标,推进了食道炎的精准医学.
科学领域:
- 胃肠病学 胃肠病学
- 分子生物学分子生物学
- 计算生物学 计算生物学
背景情况:
- 消化道炎是常见的,但在分子层面上不太了解,有各种原因和治疗方法.
- 由于不同类型的食道炎之间重叠的组织学特征,准确的诊断具有挑战性.
研究的目的:
- 通过蛋白质基因分析,识别各种食道炎类型的独特分子特征.
- 开发一个人工智能辅助的诊断工具,结合蛋白质组数据和组织学.
- 探索基于分子发现的个性化治疗策略.
主要方法:
- 来自对照组和患有GERD,EoE,CD,HSV和CA食道炎的患者的FFPE活检样本的蛋白质基因分析 (LC-MS/MS DIA) (n=55).
- 识别不同的分子特征和功能网络.
- 开发一个机器学习模型,集成蛋白质组特征和组织学参数.
主要成果:
- 对于GERD,EoE,CD,HSV和CA食道炎,已经确定了不同的分子特征和功能网络.
- 人工智能模型实现了高诊断准确度 (100%的培训,93.8%的测试组),有助于在具有挑战性的情况下.
- 一名患者的诊断从GERD被修改为CD,确定ICAM1作为治疗点,导致个性化的环素A推.
结论:
- 人工智能辅助的形状蛋白质组分析提供了对食道炎特定分子变化的深入洞察.
- 这种综合方法显示出作为精准医学在治疗食道炎的工具的前景.
- 个性化治疗建议可以从分子分析和AI分析中得出.
