一个机器学习和离心微流体平台,用于临床预测败血症
Lidija Malic1,2,3, Peter G Y Zhang4, Pamela J Plant5
1Life Sciences Division, National Research Council of Canada, 75 de Mortagne Boulevard, Boucherville, QC, J4B 6Y4, Canada.
Nature communications
|May 27, 2025
概括
一个新的六基因签名Sepset准确地预测了败血症患者在24小时内病情的恶化. 这种血液测试有助于早期诊断,并改善败血症患者的生存率.
科学领域:
- 生物医学工程 生物医学工程
- 基因组学就是基因组学.
- 传染病研究 传染病研究
背景情况:
- 败血症是一种具有高死亡率的严重疾病,往往因诊断延迟而恶化.
- 早期识别有临床恶化风险的患者对于及时干预至关重要.
研究的目的:
- 开发和验证一种基因表达特征 (Sepset),用于在24小时内预测败血症患者的临床恶化.
- 为了评估Sepset的快速,自动化测试的诊断准确性.
主要方法:
- 机器学习和交叉验证应用于586名患者的血液样本,以识别六基因签名 (Sepset).
- 预测的准确性在独立的队列中得到验证,共有3178名患者.
- 基于RT-PCR的测试和微流体仪器被开发用于Sepset检测.
主要成果:
- 塞普塞特签名在重症监护室 (ICU) 患者中达到90%的准确性,在急诊室患者中达到70%.
- RT-PCR测试在24小时内预测恶化的得分时显示出94%的灵敏度.
- 自动化微流体仪表显示了92%的灵敏度和89%的风险识别特异性.
结论:
- 塞普塞特基因特征是预测败血症进展的可靠生物标志物.
- 基于Sepset的自动诊断工具可以促进早期风险评估和败血症的管理.
