早期识别和诊断Fournier:一个机器学习方法,整合血清学表征
Jiayuan Zhang1, Jingen Lu1, Changfang Xiao1
1Department of Anorectal Surgery , Longhua Hospital, Shanghai University of Traditional Chinese Medicine, Shanghai, 200032, China.
由于Fournier Gangrene (FG) 的高死亡率,早期诊断至关重要. 机器学习整合了临床和代谢数据,确定了Myo-inositol,Procalcitonin和Bistris作为区分FG和泛周 (GPA) 的关键生物标志物.
科学领域:
- 医学研究 医学研究
- 生物化学 生物化学
- 机器学习在医疗保健中的应用
背景情况:
- 四叶角 (FG) 和泛腹 (GPA) 具有临床相似之处,但FG的死亡率更高.
- 早期和准确的FG诊断对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发一种机器学习模型,用于早期诊断Fournier Gangrene (FG).
- 整合临床和代谢学数据,以区分FG与一般化外围 (GPA).
主要方法:
- 在FG (n=20) 和GPA (n=16) 患者的血清学特征查.
- 未定位的代谢学分析FG代谢变化.
- 机器学习算法 (GBDT,SVM,LR) 集成人口统计,血清学和代谢学数据.
主要成果:
- 血清代谢概况的显著差异,脂肪酸是主要的代谢物.
- 对于FG,已经确定了Myo-inositol (MI),Procalcitonin (PCT) 和Bistris的诊断组合.
- 机器学习模型显示FG检测的高诊断性能 (AUC高达0.95).
- 鉴定了14种不同的代谢途径,表明FG中的Necroptosis激活.
结论:
- 一种新的生物标志物组合 (MI,PCT,Bistris) 能够在临床环境中早期诊断FG.
- 该研究提供了关于区分FG和GPA的独特病理机制的见解.
- 多omics数据的机器学习集成提高了像FG这样的关键条件的诊断准确性.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Classification of Skeletal Muscle Fibers
Slow-Twitch Muscle Fibers
Slow oxidative, muscle fibers appear red due to large numbers of capillaries and high levels of...
Peripheral Artery Disease I: Introduction
