代谢指纹的多中心验证,用于准确诊断,亚型和眼的严重程度分层

科学领域:

• 生物医学诊断 生物医学诊断
• 分析化学是一种分析化学.
• 计算生物学是一种计算生物学.

背景情况:

• 准确的诊断和分层的初级青光瘤亚型和严重程度呈现显著的临床挑战.
• 现有的诊断方法可能缺乏早期检测和监测所需的精度.

研究的目的:

• 开发和验证一种基于血清的新陈代谢指纹采集策略,用于准确的初级绿眼病诊断.
• 通过使用一种新的分析方法,使得可靠地分层眼的亚型和严重程度.

主要方法:

• 利用类似花朵的层次性金属氧化物异质连接作为激光消耗/电离质谱的矩阵.
• 整合了一个神经网络算法与来自两个独立医院队列的591个血清样本的代谢数据.
• 进行内部测试和外部验证以评估诊断性能.

主要成果:

• 在内部测试组中实现了完美的诊断性能 (准确度,F1,精度,回忆 = 1.000).
• 证明了强大的外部验证,AUC为1.000和高分类指标 (精度,F1,回忆=0.990).
• 在初级视角闭眼眼 (PACG) (97.6%的准确率) 和严重性评估 (AUC = 0.990) 的亚型分类中表现出强的表现.

结论:

• 拟议的血清代谢指纹采集策略显示,它对于准确的青光眼诊断具有很高的适用性.
• 该方法支持在多中心临床环境中对眼进行可靠的纵向监测.
• 这种方法为改善青光眼患者的管理和护理提供了有希望的进步.