點擊上方藍色字，關注我們
一種新的機器學習系統可以通過分析基因表達和免疫功能來對敗血症和其他感染患者進行分類，這為可預測患者預後以及為臨床決策提供信息，提供了一種急需的工具。敗血症仍然是一個重大的健康負擔，它每年在全世界會導致1100萬人死亡。科學家們正在尋找可以對患者群體進行分類並預測個體結局有幫助的新工具和生物標記物，因為它們或能為治療計劃提供信息。然而，此前很難對敗血症患者進行層級劃分，因為敗血症可由許多不同的細菌和病毒感染所致。此外，許多嚴重感染患者並不符合敗血症的診斷標準，對這一較大患者群體的生物標誌物和預測因子的研究一直滯後。Eddie Cano-Gamez和同事如今推出了SepstratifieR，這是一種機器學習工具，它能對各種細菌和病毒感染所致的敗血症患者進行層級劃分與分類。該研究團隊首先查驗了3149個血液樣本的轉錄組數據，這些樣本采自由肺炎或腹膜炎所致的敗血症患者。通過將這些數據整合到基因表達圖中，科學家們成功地推導出了一個敗血症評分工具，該工具能判斷基因特徵和免疫功能障礙等可以幫助預測患者結局的臨床特徵。當應用於多個敗血症或其他感染患者群組（包括兒科敗血症患者和新冠肺炎或流感患者）時，SepstratifieR可根據疾病的嚴重程度將患者正確地劃分至與臨床相關的群組。Cano-Gamez等人判斷：「SepstratifieR可以改善對免疫功能障礙的風險估計和臨床結果，並為設計臨床試驗提供信息，從而使我們更接近於對嚴重感染進行精準治療。」
鑽石舞台 發表在 痞客邦 留言(0) 人氣()
留言列表
留言列表