相关实验视频
Updated: Sep 14, 2025
10:36
Rare Event Detection Using Error-corrected DNA and RNA Sequencing
Published on: August 3, 2018
12.2K
测序验证了深度学习模型,用于基于EHR的儿童患者Noonan综合征的检测
Zeyu Yang1, Amy Shikany2, Ammar Husami3
1School of Medicine and Public Health, University of Wisconsin-Madison, Madison, WI, USA.
NPJ genomic medicine
|July 21, 2025
概括
一个深度学习模型显示了在电子健康记录 (EHR) 中识别努南综合征 (NS) 的前景. 虽然精度各不相同,但该工具有助于检测罕见疾病和表型分析.
科学领域:
- 计算生物学是一种计算生物学.
- 遗传学 是一个遗传学.
- 医疗信息学医学信息学
背景情况:
- 早期检测罕见的遗传疾病,如努南综合征 (NS) 尽管先进的诊断很难.
- 电子健康记录 (EHR) 提供了一个潜在的数据来源,用于识别有风险的个人.
研究的目的:
- 通过使用EHR数据,评估深度学习模型在识别潜在的诺南综合征病例方面的现实性能.
- 通过遗传测序和临床评估来验证模型的发现.
主要方法:
- 一个深度学习模型分析了来自92428名患者的EHR数据.
- 确定了高风险个体 (得分>0.8),并进行了全面的审查.
- 用于验证的基因测序和临床评估.
主要成果:
- 该模型确定了171名高风险个体,包括5例新的努南综合征病例 (三例在研究期间诊断,两例通过测序确定).
- 该模型实现了2.92%的精度和99.82%的特异性.
- 在高风险患者中,NS相关的表型得到了丰富,这表明早期识别的潜力.
结论:
- 使用EHR数据的深度学习模型对选Noonan综合征等罕见遗传疾病充满希望.
- 该模型的表现反映了现实世界的疾病流行,而不是退化.
- 进一步开发可以提高早期识别和罕见疾病的表型分析.
