相关实验视频
Updated: Jun 9, 2026
12:31
In Vivo Modeling of the Morbid Human Genome using Danio rerio
Published on: August 24, 2013
20.8K
在婴儿期使用机器学习方法对遗传胆固醇性疾病的预测模型
Chi-San Tai1, Sung-Chu Ko2, Chien-Chang Lee2,3
1Department of Pediatrics, National Taiwan University Children's Hospital, Taipei, Taiwan.
Journal of pediatric gastroenterology and nutrition
|July 30, 2025
概括
机器学习模型可以预测婴儿胆固醇病的遗传原因. 婴儿容易诊断黄 (JADE-B) 工具使用20个临床参数来识别需要基因检测的婴儿,优化资源使用.
科学领域:
- 儿科肝病学 儿科肝病学
- 医疗信息学 医疗信息学
- 遗传学 是一个遗传学.
背景情况:
- 婴儿胆固醇病的诊断是具有挑战性的,特别是在遗传原因.
- 及时识别遗传病因对于有效的儿科肝病管理至关重要.
研究的目的:
- 开发机器学习 (ML) 模型,命名为婴儿容易诊断黄 (JADE-B),用于预测婴儿胆固醇病的遗传原因.
- 识别患有遗传疾病风险较高的婴儿,使得有针对性的诊断方法成为可能.
主要方法:
- 利用一个三级医疗中心的数据库 (2006-2018) 1845名婴儿被诊断患有胆固醇性肝病.
- 采用了47个临床和实验室参数来训练四个ML分类器:物流回归,XGBoost,LightGBM和随机森林.
- 开发了一种精细的JADE-B模型,使用20个可访问的参数进行早期预测.
主要成果:
- 在分析中包括1008名1岁以下的患有胆固醇性肝病的婴儿.
- 实现了高性能与模型产生一个面积在接收机的操作特征曲线下范围从0.836到0.884.
- 最终的JADE-B模型有效地使用20个参数在疾病发病的第一个月内预测遗传疾病.
结论:
- JADE-B ML模型有助于优先考虑婴儿进行遗传检测和专家推.
- 优化了儿童胆固醇病的遗传诊断资源的分配.
- 能够更早,更准确地识别婴儿遗传性肝病.
更多相关视频
10:56A Familial Hypercholesterolemia Human Liver Chimeric Mouse Model Using Induced Pluripotent Stem Cell-derived Hepatocytes
Published on: September 15, 2018
8.2K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
