基于机器学习的模型揭示了涉及冠状动脉疾病的代谢物
Fathima Lamya1, Muhammad Arif1, Mahbuba Rahman2,3
1College of Science and Engineering, Hamad Bin Khalifa University, Doha, Qatar.
Biomedical engineering and computational biology
|July 14, 2025
概括
机器学习模型可以通过识别卡塔尔人口中的特定代谢物来检测冠状动脉疾病 (CAD). 人工神经网络实现了91.67%的准确性,突出了用于早期CAD诊断的关键代谢生物标志物.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 心血管医学 心血管医学
背景情况:
- 冠状动脉疾病 (CAD) 是全球主要的死亡原因,需要改进早期检测和个性化治疗策略.
- 代谢分析提供了一个有前途的途径,用于识别与复杂疾病相关的生物标志物,如CAD.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于使用代谢数据在卡塔尔人口中早期检测CAD.
- 为了确定与CAD相关的统计学上显著的代谢概况和潜在的生物标志物.
主要方法:
- 利用机器学习算法,包括人工神经网络 (ANN),分析卡塔尔人口的代谢数据.
- 进行统计分析以确定与CAD显著相关的代谢物.
主要成果:
- 一个人工神经网络 (ANN) 模型表现出高性能,准确率为91.67%,回忆率为80.0%,特异性为100%.
- 确定了173种与CAD显著相关的代谢物 (P < .05).
- 突出的特定代谢物,如2-基和酸盐,可能在CAD患者中升高,而其他如胆酸盐和3-基酸盐在对照组中更高.
结论:
- 开发的ML模型显示了为CAD患者推进个性化诊断计划的潜力.
- 在这项研究中发现的代谢特征可以为早期和更准确的CAD检测做出贡献.
更多相关视频
07:11Author Spotlight: Emerging Technologies and Advanced Tools for Decoding Metabolomics Data Analysis
Published on: November 10, 2023
2.7K
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.5K
