El marco computacional multimodal puede predecir el pronóstico de los síndromes mielodisplásicos

Siga a Drugslib en

Médicamente revisado por Carmen Pope, Bpharm. Última actualización el 26 de febrero de 2025.

por Elana Gotkine Healthday Reporter

Miércoles 26 de febrero de 2025 - Un marco computacional multimodal para la estratificación del paciente y la predicción del pronóstico permite la identificación automática de grupos de pacientes, superando los enfoques clásicos para pacientes con síndromes mielodisplásicos (MDS), según un estudio publicado en línea en el número de abril de los métodos informáticos y programas en biomedicina.

césar rollO, de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad de la universidad y el universo de la universidad de la universidad de la universidad de la universidad de la universidad de la Universidad de Torino. Los colegas introdujeron un marco computacional multimodal para la estratificación y la predicción de pronóstico de los pacientes (VAE-Surv). VAE-Surv integra un autoencoder variacional (VAE), que reduce el espacio de alta dimensión que caracteriza los datos moleculares, con un modelo de supervivencia profunda, que combina información integrada con características clínicas. La robustez clínica del algoritmo se probó aplicando VAE-Surv a la cohorte Genomed4All de MDS.

Los investigadores encontraron que VAE-Surv logró una mediana del índice C de 0.78 cuando se probó en 2,043 pacientes en la cohorte Genommed 4All, superando los enfoques clásicos. En comparación con un enfoque tradicional que aplica la agrupación directamente a los datos de entrada, el espacio latente mejoró el rendimiento de la agrupación. El análisis de los grupos identificados mostró que el marco propuesto puede capturar las categorizaciones clínicas existentes en comparación con los subtipos MDS de la Organización Mundial de la Salud 2016 al tiempo que sugiere nuevos grupos de pacientes basados ​​en datos. VAE-Surv logró un buen rendimiento de predicción cuando se probó en una cohorte de MDS externa de 2,384 pacientes (mediana de índice C, 0.74), preservando la interpretabilidad de las principales características clínicas y genéticas. Los autores escriben. "Es posible contribuir significativamente a la medicina personalizada en el contexto de los trastornos hematológicos".

Text/strazte completo

strong:

strong:

Fuente: Salud Day

Al corriente : 2025-02-27 06:00

Leer más

Descargo de responsabilidad

Se ha hecho todo lo posible para garantizar que la información proporcionada por Drugslib.com sea precisa, hasta -fecha y completa, pero no se ofrece ninguna garantía a tal efecto. La información sobre medicamentos contenida en este documento puede ser urgente. La información de Drugslib.com ha sido compilada para uso de profesionales de la salud y consumidores en los Estados Unidos y, por lo tanto, Drugslib.com no garantiza que los usos fuera de los Estados Unidos sean apropiados, a menos que se indique específicamente lo contrario. La información sobre medicamentos de Drugslib.com no respalda medicamentos, ni diagnostica a pacientes ni recomienda terapias. La información sobre medicamentos de Drugslib.com es un recurso informativo diseñado para ayudar a los profesionales de la salud autorizados a cuidar a sus pacientes y/o para servir a los consumidores que ven este servicio como un complemento y no un sustituto de la experiencia, habilidad, conocimiento y criterio de la atención médica. practicantes.

La ausencia de una advertencia para un determinado medicamento o combinación de medicamentos de ninguna manera debe interpretarse como una indicación de que el medicamento o la combinación de medicamentos es seguro, eficaz o apropiado para un paciente determinado. Drugslib.com no asume ninguna responsabilidad por ningún aspecto de la atención médica administrada con la ayuda de la información que proporciona Drugslib.com. La información contenida en este documento no pretende cubrir todos los posibles usos, instrucciones, precauciones, advertencias, interacciones medicamentosas, reacciones alérgicas o efectos adversos. Si tiene preguntas sobre los medicamentos que está tomando, consulte con su médico, enfermera o farmacéutico.

Palabras clave populares