周四，2022年11月3日(HealthDay News)——根据11月2日在线发表在《科学转化医学》(Science Translational Medicine)上的一项研究，一种用于部署定量脓毒症反应签名的机器学习框架可以识别免疫功能失调的个体。
来自英国牛津大学的Eddie Cano-Gamez博士和他的同事通过将3149例因社区获得性肺炎或粪便腹膜炎导致败血症的患者和健康个体的数据整合到一个基因表达参考图中，研究了使用全血转录组学对严重感染患者进行分层的方法。
研究人员使用基因表达参考图谱得出了一个定量的脓毒症反应特征(SRSq)，它反映了免疫功能障碍和预测临床结果;这些可以用7或12个基因特征来估计。建立了一个机器学习框架SepstratifieR，用于在成人和儿童细菌和病毒性败血症、H1N1流感和COVID-19中部署SRSq。该框架显示了跨疾病的临床相关分层，并暴露了某些与免疫失调与死亡率相关的生理变化。该方法可以早期识别免疫功能失调的个体。
“SepstratifieR可以对急性感染患者进行分层，并可以将他们的反应建模为一个连续体，”作者写道。“结合临床生物标志物，SepstratifieR可以改善免疫功能障碍的风险估计和临床结果，并为临床试验设计提供信息，使我们更接近严重感染的精准医疗。”
摘要/全文(可能需要订阅或付费)
