数字健康框架,用于预测性监测和诊断阿托皮性皮肤炎

科学领域:

• 数字健康数字健康
• 环境生物信息学环境生物信息学
• 机器学习是机器学习.

背景情况:

• 亚托皮炎 (AD) 是一种普遍存在的炎症性皮肤疾病,对生活质量和医疗保健成本产生重大影响.
• 有效的监测和诊断方法对于管理AD和开发干预措施至关重要.
• 当前的监控系统往往是复杂和昂贵的.

研究的目的:

• 建立一个数字健康框架,用于预测监测和诊断韩国全国性亚托皮性皮肤炎的流行情况.
• 整合城市大数据,机器学习和环境生物信息学,以加强AD监测.
• 确定与AD相关的关键预测因素和细菌关联.

主要方法:

• 综合城市大数据:环境因素,众包网络搜索数据 (AD症状) 和废水微生物群数据 (AD相关细菌).
• 应用数据预处理技术,包括特征选择,缩放和规范化.
• 利用机器学习模型,超参数调整和可解释的AI来预测和识别关键因素.

主要成果:

• 确定了AD患病率的关键预测因素,包括特定的皮肤病关键词,环境因素和炎症标志物.
• 环境基因组学揭示了废水中占主导地位的链球菌菌株,与阿尔茨海默病患者的炎症诱导细菌有关.
• 生物信息分析描述了与炎症相关的细菌的病原型和抵抗型.

结论:

• 开发的数字健康框架提供了一个有希望的,成本效益高的替代方案,以传统的监测系统对亚托邦皮肤炎.
• 这种方法可以为卫生专业人员在监测,诊断和治疗AD等环境疾病方面提供主动指导.
• 突出了整合各种数据源用于公共卫生监测和疾病管理的潜力.