机器学习辅助中风预测在机械循环支持:系统性线粒体功能障碍的预测作用

科学领域:

• 心脏病学 心脏病学
• 神经学 神经学
• 线粒体生物学 线粒体生物学

背景情况:

• 持续流动的左心室辅助装置 (CF-LVAD) 植入后,中风是一个显著的风险在先进的充血性心力衰竭 (CHF) 患者.
• 线粒体氧化酸化 (OxPhos) 异常与神经退行和脑缺血有关.

研究的目的:

• 为了调查是否之前的中风与CF-LVAD患者的系统性线粒体OxPhos异常有关.
• 为了确定这些异常在患有植入后新中风风险的患者中是否更明显.

主要方法:

• 研究了50名CF-LVAD患者 (25人先前患有中风,25人没有).
• 在CF-LVAD植入前和后的血白细胞中测量了OxPhos复合蛋白 (C.I-C.V).
• 利用机器学习 (LASSO,随机森林) 进行中风预测建模.

主要成果:

• 与没有中风的组相比,前中风组显示出C.I,C.II,C.IV和C.V蛋白的水平明显较低,无论是在CF-LVAD之前还是之后.
• 与CF-LVAD前相比,OxPhos蛋白在CF-LVAD后的中风前组显著下降.
• 机器学习模型确定了六个预后因素,预测了手术后中风,AUC为0.93.

结论:

• 线粒体功能障碍,由减少的OxPhos蛋白体现,甚至在CF-LVAD植入之前,在先前中风的CHF患者中外存在.
• 减少OxPhos蛋白表达可能作为预测CF-LVAD植入后新的中风的生物标志物.