机器学习可对患者进行层级划分并能帮助预测败血症和严重感染的预后｜《科学·转化医学》

点击上方蓝色字，关注我们

一种新的机器学习系统可以通过分析基因表达和免疫功能来对败血症和其他感染患者进行分类，这为可预测患者预后以及为临床决策提供信息，提供了一种急需的工具。

败血症仍然是一个重大的健康负担，它每年在全世界会导致1100万人死亡。科学家们正在寻找可以对患者群体进行分类并预测个体结局有帮助的新工具和生物标记物，因为它们或能为治疗计划提供信息。

然而，此前很难对败血症患者进行层级划分，因为败血症可由许多不同的细菌和病毒感染所致。此外，许多严重感染患者并不符合败血症的诊断标准，对这一较大患者群体的生物标志物和预测因子的研究一直滞后。

Eddie Cano-Gamez和同事如今推出了SepstratifieR，这是一种机器学习工具，它能对各种细菌和病毒感染所致的败血症患者进行层级划分与分类。

该研究团队首先查验了3149个血液样本的转录组数据，这些样本采自由肺炎或腹膜炎所致的败血症患者。通过将这些数据整合到基因表达图中，科学家们成功地推导出了一个败血症评分工具，该工具能判断基因特征和免疫功能障碍等可以帮助预测患者结局的临床特征。

当应用于多个败血症或其他感染患者群组（包括儿科败血症患者和新冠肺炎或流感患者）时，SepstratifieR可根据疾病的严重程度将患者正确地划分至与临床相关的群组。

Cano-Gamez等人判断：“SepstratifieR可以改善对免疫功能障碍的风险估计和临床结果，并为设计临床试验提供信息，从而使我们更接近于对严重感染进行精准治疗。”

点击“阅读原文”访问英文原文

为医学研究点亮你的“赞”吧