通过尿路蛋白质学和机器学习识别通过尿路蛋白质学和机器学习的异常扩展性心肌病中右心室功能障碍的生物标志物
Anhu Wu1, Yufei Wang1, Zhengguang Guo2
1Department of Cardiology, Peking Union Medical College Hospital Chinese Academy of Medical Sciences and Peking Union Medical College Beijing China.
Journal of the American Heart Association
|December 17, 2025
概括
研究人员确定了一种新型的三蛋白尿路面板,用于诊断异常扩张心肌病的右心室功能障碍 (RVD). 这种非侵入性生物标志物准确地预测患者的结果和分层风险,为临床管理提供了一个有前途的工具.
科学领域:
- 心血管研究研究心血管研究
- 生物标志物发现发现
- 蛋白质组学是指蛋白质组学.
背景情况:
- 右心室功能障碍 (RVD) 是与预后不佳相关的异常扩张性心肌病 (IDC) 的显著并发症.
- 目前用于RVD的非侵入性生物标志物缺乏可靠性,需要寻找新的诊断工具.
研究的目的:
- 在IDC患者中确定尿路蛋白质标记物用于RVD的非侵入性诊断和预后.
- 开发和验证使用机器学习和质谱仪的诊断模型.
主要方法:
- 147名IDC患者的前性队列研究,通过心脏MRI进行分类.
- 使用数据独立采集质谱分析的尿样.
- 一个由三种蛋白质组成的小组 (RARRES1,MVB12B,GSK3A) 使用LASSO回归进行诊断模型开发和验证.
主要成果:
- 一个由三种蛋白质组成的小组证明了RVD的高诊断准确性 (AUC 0.946培训,0.935验证),表现优于NT-proBNP和TAPSE.
- 由此得出的风险评分有效地对患者进行了分层,高风险人群面临着明显更糟糕的结果 (HR 3.24).
结论:
- 鉴定的尿蛋白组显示出作为IDC中RVD诊断的非侵入性工具的巨大潜力.
- 该小组提供精确的检测,并有助于临床风险分层,改善患者管理.
