基于机器学习的血代谢学,以改善肝硬化风险分层
Jingru Song1, Ziwei Gao2, Liqun Lai1
1Department of Gastroenterology, Hangzhou TCM Hospital Affiliated to Zhejiang Chinese Medical University, Hangzhou, 310007, Zhejiang, China.
BMC gastroenterology
|February 6, 2025
概括
血清代谢学,特别是使用质子核磁共振 (1H-NMR),显著提高了慢性肝病患者肝硬化风险的预测. 将这些代谢资料与APRI和FIB-4等现有得分相结合,可以改善早期查的风险分层.
科学领域:
- 生物化学 生物化学
- 医学诊断 医学诊断 医学诊断
- 基因组学和蛋白质组学
背景情况:
- 肝硬化是慢性肝病 (CLD) 中的主要死亡原因.
- 代谢技术捕捉了肝硬化进展期间的代谢变化.
研究的目的:
- 调查血清代谢素在CLD患者中分层化肝硬化风险中的作用.
- 评估是否将新陈代谢数据与临床评分相结合可以改善肝硬化预测.
主要方法:
- 使用了来自英国生物库的1H-NMR血清代谢学数据.
- 采用了弹性净规范化的考克斯比例危险模型.
- 综合代谢学与APRI和FIB-4分数用于预测建模.
主要成果:
- 确定了几种与肝硬化事件独立相关的代谢物.
- 将代谢学与FIB-4相结合,提高了预测性能 (ΔC=0.021,NRI=0.504).
- 将代谢学与APRI结合起来也提高了预测 (ΔC=0.029,NRI=0.378),突出显示了脂质和氨基酸代谢中的关键代谢物.
结论:
- 1H-NMR血清代谢显著改善了CLD患者肝硬化风险预测.
- APRI + Metabolomics模型显示出强大的歧视力.
- 参与脂肪酸和氨基酸代谢的代谢物是早期肝硬化风险查的关键预测因素.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
11:06Network Pharmacology Prediction and Metabolomics Validation of the Mechanism of Fructus Phyllanthi against Hyperlipidemia
Published on: April 7, 2023
1.9K
