使用机器学习模型结合临床,遗传和蛋白质标记物,区分牛皮炎患者和牛皮患者
Darshini Ganatra1, Max Kotlyar2, Amanda Dohey3
1Gladman Krembil Psoriatic Arthritis Program, Schroeder Arthritis Institute, Krembil Research Institute, Toronto, ON, Canada.
Journal of psoriasis and psoriatic arthritis
|May 22, 2025
概括
早期诊断牛皮关节炎 (PsA) 是很困难的. 结合临床,遗传和蛋白质标志物,显示出区分PsA和没有关节炎 (PsC) 的牛皮的相当能力.
科学领域:
- 免疫学 免疫学 免疫学
- 类风湿病学 类风湿病学
- 遗传学 遗传学 是一个
背景情况:
- 牛皮关节炎 (PsA) 是一种免疫媒介的炎症状况,影响牛皮患者.
- 早期诊断PsA是具有挑战性的,阻碍了及时治疗.
- 基于生物标志物的测试可以改善早期PsA检测.
研究的目的:
- 确定临床,遗传和蛋白质标记物,以区分PsA和没有关节炎 (PsC) 的牛皮.
- 通过机器学习评估这些标记物的联合诊断能力.
主要方法:
- 收集了PsA和PsC患者的人口和临床数据.
- 基因型为19个"PsA加权"单核酸多态 (SNP).
- 使用ELISA和应用机器学习进行歧视,评估了15种血清蛋白标记物.
主要成果:
- 仅仅临床特征就具有有限的预测值 (AUC=0.607).
- SNP和蛋白质面板显示了中度的歧视 (AUCs ≈0.69).
- 综合所有标记的组合模型 (随机森林) 实现了最佳的歧视 (AUC=0.733).
结论:
- 临床,遗传和蛋白质标记物的组合为PsA提供了合理的诊断能力.
- 需要进一步的研究,以发现PsA更有效的诊断签名.
更多相关视频
02:28Author Spotlight: Self-Assessment Protocol for Predicting Psoriatic Arthritis in Psoriasis Patients
Published on: March 1, 2024
321
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.1K
