对于MASLD的诊断和风险分层的volatomics:一个概念验证研究
R Sinha1, S L Gillespie1, P Brinkman2
1Hepatology Laboratory and Centre of Liver and Digestive Diseases, Royal Infirmary of Edinburgh, The University of Edinburgh, Edinburgh, UK.
Alimentary pharmacology & therapeutics
|May 20, 2025
概括
电子鼻子 (eNose) 技术准确地区分了与代谢功能障碍相关的脂肪性肝病 (MASLD) 患者和健康个体. 对呼吸中挥发性有机化合物 (VOC) 的公正分析发现,MASLD患者患病进展和死亡风险较高.
科学领域:
- 生物医学工程 生物医学工程
- 肝病学 肝病学是一种肝病学.
- 分析化学是一种分析化学.
背景情况:
- 人的呼吸含有与生理和病理状态相关的挥发性有机化合物 (VOC).
- 电子鼻子 (eNose) 技术为诊断呼吸系统疾病提供了一种非侵入性方法.
- 与代谢功能障碍相关的脂肪性肝病 (MASLD) 需要新的诊断和预后工具.
研究的目的:
- 研究eNose技术在区分MASLD患者和健康志愿者的实用性.
- 通过呼吸挥发性有机化合物 (VOC) 档案,识别患有疾病进展高风险的MASLD患者.
- 评估MASLD中eNose衍生的呼吸信号的预后价值.
主要方法:
- 一项前性单中心研究分析了90名参与者 (30名MASLD肝硬化患者,30名非肝硬化患者,30名健康患者) 使用eNose的呼气中的VOC.
- 机器学习集群技术应用于eNose数据.
- 在5年内收集了长度临床数据,以确定进展和死亡的风险因素.
主要成果:
- eNose呼吸挥发性有机化合物 (VOC) 档案将MASLD患者与健康对照进行了区分,灵敏度为100%.
- 主要组件分析揭示了三个不同的MASLD子组,预后不同.
- 一个子组 (集群2) 在5年内显示出明显更高的进展率 (42%),与肝脏有关的脱补偿 (17%) 和死亡率 (12.5%).
结论:
- eNose技术有效地将MASLD患者与健康个体区分开来.
- 无偏见的气息VOC集群可以识别MASLD患者的预后更差.
- 在独立的MASLD队列中进一步的前性验证是合理的.
更多相关视频
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
17.0K
07:15Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation
Published on: January 16, 2019
10.2K
