快速FTIR光谱指纹脏异体移植 perfusion 流体区分DCD从DBD捐赠者:一个机器学习试点研究研究

科学领域:

• 生物医学工程 生物医学工程
• 频谱学是一种光谱学.
• 移植免疫学 移植免疫学

背景情况:

• 对捐赠脏的客观表型确定对于移植前决策至关重要.
• 目前的方法可能无法提供快速,客观的评估.
• 重要的是要区分循环死亡 (DCD) 后的捐赠和脑死亡 (DBD) 后的捐赠脏.

研究的目的:

• 评估静态冷库保存液的无标签里埃变换红外光谱 (FTIR) 对区分DCD和DBD捐赠脏的有用性.
• 探索光谱特征和机器学习算法,以准确进行分类.

主要方法:

• 在胺I和指纹区域使用FTIR光谱学分析了10个合移植 (5DCD,5DBD) 的保存溶液.
• 应用光谱预处理,用于特征提取的基于快速相关性过器,以及支持向量机和天真贝叶斯分类器.
• 使用等号距离,多维缩放和等级聚类,以及二维相关谱 (2D-COS) 来评估无监督结构.

主要成果:

• 指纹光谱区域对于区分DCD和DBD脏具有高度信息性.
• 使用第二导数预处理和特征选择的天真贝叶斯分类器通过识别特定的光谱波段实现了完美的分类 (AUC=1.00,精度=1.00).
• 无监督分析显示了连贯的分组,2D-COS显示了协调的多频段光谱变化.

结论:

• 保存液的无标签FTIR光谱学显示了对DCD和DBD捐赠脏的快速,客观的差异化有希望.
• 初步发现需要在更大的多中心研究中进行验证,预先注册了分析管道.
• 这种技术可以帮助优化捐赠的利用率,改善移植结果.