據英國《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)家報告，他們通過(guò)對逾4萬(wàn)名個(gè)體的分析，發(fā)現了14種與全因死亡率相關(guān)的血液生物標記物。相較于目前已有的方法，這項最新發(fā)現或有助于提高5年及10年死亡風(fēng)險的預測準確性。
有鑒于可用的臨床數據量，預測病人最后一年的死亡率一般來(lái)說(shuō)是可行的。過(guò)去的研究分析了血液代謝物特征和其他生理參數，以鑒定可用于預測死亡風(fēng)險的生物標記物。但是，在預測更長(cháng)期（5年至10年）的死亡風(fēng)險的問(wèn)題上，研究人員未就預測指標達成一致意見(jiàn)。
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(lái)自12個(gè)隊列、總計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，年齡在18歲—109歲之間。
研究團隊最后鑒定出了14種與全因死亡率相關(guān)的代謝物，已知這些生物標記物會(huì )參與各種過(guò)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(lái)的代謝物構建了一個(gè)用以預測5年及10年死亡風(fēng)險的模型，該模型對于所有年齡段的預測準確性，都高于基于傳統風(fēng)險因素的模型。
研究團隊認為，基于上述14種生物標記物和性別所得的風(fēng)險分數可用于指導臨床治療，不過(guò)現階段，仍需要開(kāi)展更進(jìn)一步的研究。
在2018年，谷歌團隊也曾將獲取的460億電子病歷信息數據，交給人工智能（AI）進(jìn)行深度學(xué)習，從而讓AI可以準確預測病患的死亡率。
合作咨詢(xún)
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所有（保留一切權利）
滬ICP備05034851號-57
