大规模的因果建模,以确定面临联合和常见可变免疫缺陷风险的成年人

科学领域:

• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 临床信息学 临床信息学

背景情况:

• 主要免疫缺陷,包括综合免疫缺陷 (CID) 和常见可变免疫缺陷 (CVID),往往被诊断不足.
• 早期识别CID/CVID对于及时干预和改善患者结果至关重要.

研究的目的:

• 开发和验证一个因果贝叶斯网络 (BN) 模型,用于识别CID/CVID诊断之前的临床表型.
• 利用大规模的电子健康记录 (EHR) 进行CID/CVID的早期检测.

主要方法:

• 利用来自美国四个全国性队列的EHR数据构建了一个因果BN模型.
• 开发共识定向非循环图 (DAG) 来表示临床表型和CID/CVID之间的因果关系.
• 使用ROC AUC评估模型性能,并通过因果推断和专家审查验证发现.

主要成果:

• 该BN模型在单个队列中展示了强大的预测性能 (ROC AUC:0.61-0.77) 和在未见的队列中概括性 (ROC AUC:0.56-0.72).
• 确定了先前的并发症和CID/CVID之间的显著因果关系,包括自身免疫性疾病,血液疾病,淋巴瘤,器官损伤,呼吸系统疾病,遗传异常,复发性感染和过敏.
• 鉴定的表型轨迹的临床相关性得到了专家免疫学家的证实.

结论:

• 开发的因果BN模型有望改善早期识别患有CID/CVID风险的成年人.
• 研究结果支持将该模型转化为临床实践,以早期诊断和干预.
• 了解先前的临床表型可以显著提高初级免疫缺陷的诊断途径.