过敏原芯片挑战:一个全国性的开放数据库支持过敏预测算法
Guillaume Martinroche1, Amir Guemari2, Pol André Apoil3
1Immunology and Immunogenetic Laboratory, University Hospital of Bordeaux, Bordeaux, France; Mathematics Institute of Bordeaux, National Institute for Research in Digital Science and Technology (Inria), University of Bordeaux, Bordeaux, France; ImmunoConcEpT Lab, French National Centre for Scientific Research (CNRS), UMR-5164, University of Bordeaux, Bordeaux, France.
The Journal of allergy and clinical immunology
|September 28, 2025
概括
这项研究创建了一个开放的过敏数据库,用于训练机器学习模型来解释过敏原芯片 (AC) 数据. 开发的算法可以帮助过敏学家在精确的过敏诊断和管理.
科学领域:
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 过敏原芯片 (AC) 技术可以同时分析多种过敏原,为个性化过敏医学创建详细的敏感性概况.
- 解释AC技术产生的大量数据需要专门的临床应用专业知识.
研究的目的:
- 开发一个全国性的开放访问数据库,整合AC,人口和临床数据.
- 利用机器学习和众包创建可预测的过敏分类算法,用于实际使用.
主要方法:
- 收集了来自法国11所大学医院的4271名患者的数据 (2014-2023年).
- 定义了20个临床变量和5个人口因素,以及AC IgE数据.
- 在国际机器学习竞赛中提交处理的数据,吸引了292名参与者和3135个算法.
主要成果:
- 该数据库包含超过70万个特定IgE数据点,其中84%的患者表现出敏感性.
- 机器学习算法实现了高性能,最高F分数在0.780和0.786.6之间.
- 综合数据集和开发的算法现在已经公开了.
结论:
- 建立了一个全国性的开放过敏数据库,以促进预测算法的开发.
- 该框架将临床数据与机器学习相结合,使得可以基于数据来解释AC结果.
- 该倡议支持通过可访问的数据和计算工具在过敏护理中推进精准医学.
