基于机器学习的IgA脏病患者无监督表型聚类分析:不同组的不同治疗反应
Yiqin Wang1,2, Qiong Wen1,2, Xingji Lian1,3
1Department of Nephrology, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou, Guangdong 510080, China.
Chinese medical journal
|February 7, 2025
概括
这项研究使用集群分析确定了四个不同的免疫球蛋白A脏病 (IgAN) 患者子组. 这些小组显示出不同的预后和对治疗的反应,如氨酸-血管增生素系统阻断剂和皮质类固醇,有助于针对IgAN的个性化治疗策略.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 免疫学 免疫学 免疫学
- 遗传学 遗传学 是一个
背景情况:
- 免疫球蛋白A神经病变 (IgAN) 呈现异质,需要针对性治疗的不同患者表型.
- 了解IgAN子组可以优化治疗策略并改善结局.
- 这项研究旨在对Igan疾病表型进行分类,并为脏复合结果开发预后模型.
研究的目的:
- 在免疫球蛋白A脏病 (IgAN) 中识别不同的疾病表型.
- 开发Igan患者综合结果的预后模型.
- 评估不同IgAN亚组的治疗疗效.
主要方法:
- 利用主要成分分析 (PCA) 与k-means集群结合,对来自四个中国中心 (2009-2018) 的2000名活检验证初级Igan患者的数据进行了分析.
- 建立了一个培训队列 (1203名患者) 和一个验证队列 (797名患者).
- 开发了一个基于子组的预测模型来评估预后和治疗反应.
主要成果:
- 通过PCA-k-means,确定了四个不同的IgAN子组,具有不同的临床特征和预后.
- 1小组表现出使用氨酸 - 血管新生素系统阻断剂 (aHR:0.16) 的性存活率有所改善.
- 第二小组显示,从皮质类固醇治疗中显著受益 (aHR:0.19). 3和4小组表现出较轻的病理;3小组 (男性) 具有代谢风险,而4小组 (女性) 经历了复发性出血症.
- 基于子组的预测模型在验证队列中实现了0.856的AUC.
结论:
- 无监督集群可靠分类的Igan患者,根据临床特征,预后和治疗反应分组.
- 开发的基于子组的预测模型为IgAN的风险评估和治疗指导提供了重要的临床实用性.
- 这种分类促进了个性化医疗方法,以有效管理Igan.
