一个简单的在线计算器高危检测肝硬化患者临床并发症

CeMM研究员维也纳医科大学(MedUni维也纳)和路德维希·波尔兹曼罕见的和未确诊的疾病研究所(LBI-RUD)加入机器学习中努力用他们的专业知识和管理的肝硬化患者开发一种非侵入性的算法,可以帮助临床医生识别肝硬化患者严重的并发症的风险最高。

肝硬化发展重复伤害肝脏,等脂肪肝或病毒性肝炎。最初,肝硬化大多无症状,因此,早期严重并发症的风险因素的识别是一个未满足临床需要。

有两种肝硬化的临床阶段:补偿和失代偿性的。患者补偿肝硬化很少甚至没有症状。然而,病人可能会失代偿肝硬化的进展,这与内部(静脉曲张的)等严重的并发症发生出血或腹部液体(腹水)的积累,甚至可能导致死亡。

不幸的是,测量代谢失调的风险补偿目前肝硬化患者需要一个侵入性程序。即。的测量肝静脉压力梯度(HVPG)。HVPG升高≥10毫米汞柱与并发症的概率更高。患者更高HVPG≥16毫米汞柱因肝失代偿风险迫在眉睫。

在一项研究中,首先作者吉CeMM Reinis Stefan Kubicek的小组和Oleksandr Petrenko从托马斯Reiberger组MedUni维也纳CeMM, LBI-RUD,机器学习血液测试参数模型训练获得补偿检测高浓度的肝硬化患者门静脉压力,从而确定这些发展临床并发症的风险。这项研究已经发表的肝脏病学杂志。

最好的临床参数预测

项目中使用的关键数据来源来自维也纳的肝硬化的研究中,在胃肠病学和肝脏病学MedUni维也纳的维也纳总医院。在这项研究中,163年HVPG测量进行补偿肝硬化患者血液样本的同时获得为了确定一系列124生物标志物。

整个组临床变量,三个和五个最优参数检测的高危患者计算确定。VICIS病人群,患者识别的模型表现优异HVPG值≥10毫米汞柱和≥16毫米汞柱,分别。

验证的数据集

评估非侵入性的诊断能力模型预测并发症,研究人员检测了他们的非侵入性的机器学习模型结合群1232补偿肝硬化患者从8欧洲临床中心。这部小说的方法被证实是优秀的诊断价值在整个队列和重要的是基于3或5实验室参数,非侵入性,不需要专用的和昂贵的设备。

项目负责人托马斯Reiberger解释道,“而HVPG所需测量仍然是可靠的识别患者临床上重要的或严重的门静脉高压,新方法可以申请优先级选择的治疗,以防止呼吸困难或病人的临床试验。由于它的简单性,最终提出的方法可以在常规检查在小额外成本。”

最后,研究人员开发了一个在线计算器允许临床医生计算代谢失调的患者的风险补偿肝硬化。