據(jù)英國《自然·通訊》雜志20日發(fā)表的一篇健康科學(xué)論文，歐洲科學(xué)家報(bào)告，他們通過對逾4萬名個(gè)體的分析，發(fā)現(xiàn)了14種與全因死亡率相關(guān)的血液生物標(biāo)記物。相較于目前已有的方法，這項(xiàng)最新發(fā)現(xiàn)或有助于提高5年及10年死亡風(fēng)險(xiǎn)的預(yù)測準(zhǔn)確性。
有鑒于可用的臨床數(shù)據(jù)量，預(yù)測病人最后一年的死亡率一般來說是可行的。過去的研究分析了血液代謝物特征和其他生理參數(shù)，以鑒定可用于預(yù)測死亡風(fēng)險(xiǎn)的生物標(biāo)記物。但是，在預(yù)測更長期（5年至10年）的死亡風(fēng)險(xiǎn)的問題上，研究人員未就預(yù)測指標(biāo)達(dá)成一致意見。
德國馬克思·普朗克老化生物學(xué)研究所科學(xué)家喬利斯·迪倫及其同事，此次對來自12個(gè)隊(duì)列、總計(jì)44168名個(gè)體進(jìn)行了代謝組學(xué)分析，這些被試全部為歐洲血統(tǒng)，年齡在18歲—109歲之間。
研究團(tuán)隊(duì)最后鑒定出了14種與全因死亡率相關(guān)的代謝物，已知這些生物標(biāo)記物會(huì)參與各種過程，包括脂蛋白和脂肪酸代謝、糖酵解以及炎癥。之后，作者利用鑒定出來的代謝物構(gòu)建了一個(gè)用以預(yù)測5年及10年死亡風(fēng)險(xiǎn)的模型，該模型對于所有年齡段的預(yù)測準(zhǔn)確性，都高于基于傳統(tǒng)風(fēng)險(xiǎn)因素的模型。
研究團(tuán)隊(duì)認(rèn)為，基于上述14種生物標(biāo)記物和性別所得的風(fēng)險(xiǎn)分?jǐn)?shù)可用于指導(dǎo)臨床治療，不過現(xiàn)階段，仍需要開展更進(jìn)一步的研究。
在2018年，谷歌團(tuán)隊(duì)也曾將獲取的460億電子病歷信息數(shù)據(jù)，交給人工智能（AI）進(jìn)行深度學(xué)習(xí)，從而讓AI可以準(zhǔn)確預(yù)測病患的死亡率。
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號(hào)-57
