การศึกษาค้นพบวิธีการจำแนกอาการไข้ด้วยตัวอย่างเลือดเดียว

ในการศึกษาล่าสุดที่ตีพิมพ์ในMed Journal นักวิจัยได้ฝึกโมเดลการเรียนรู้ของเครื่อง (ML) เพื่อวิเคราะห์ลายเซ็นของโมเลกุล RNA ในเลือดของผู้ป่วย และประเมินประสิทธิภาพในการแยกแยะระหว่างโรคติดเชื้อในเด็กที่พบบ่อยผลลัพธ์ของพวกเขาชี้ให้เห็นว่าแบบจำลอง ML ที่ประเมินระดับการแสดงออกของยีนที่แตกต่างกันสามารถแยกแยะความแตกต่างระหว่างโรคอักเสบและโรคติดเชื้อ 18 โรคในเด็กได้อย่างรวดเร็ว เล่นบาคาร่า น่าสังเกตที่ความแม่นยำในการวินิจฉัยของแบบจำลองเหล่านี้เทียบได้กับผู้เชี่ยวชาญด้านสุขภาพทางการแพทย์ที่อ่านข้อมูลทางคลินิกทั่วไป

เมื่อพิจารณาจากความแม่นยำในการวินิจฉัยที่ไม่ดีและความล่าช้าอย่างมากของวิธีการวินิจฉัยในปัจจุบัน การพิสูจน์แนวคิดนี้แสดงให้เห็นถึงแนวโน้มที่ดีเยี่ยมในการวินิจฉัยความเจ็บป่วยระหว่างการดูแลเด็กในอนาคตการศึกษา: การวินิจฉัยอาการไข้ในวัยเด็กโดยใช้ลายเซ็นโมเลกุล RNA ในเลือดแบบหลายระดับ  เครดิตรูปภาพ: NDABCreativity/Shutterstock.comการศึกษา:  การวินิจฉัยอาการไข้ในวัย เด็กโดยใช้ลายเซ็นโมเลกุล RNA ในเลือดหลายระดับ เครดิตรูปภาพ: NDABCreativity/Shutterstock.comข้อจำกัดของการวินิจฉัยโรคในเด็กในปัจจุบันเด็กที่เข้ารับการรักษาทางการแพทย์มักต้องทนทุกข์ทรมานจากโรคอักเสบและโรคติดเชื้อในโรงพยาบาลและชุมชน

ในจำนวนนี้ มีเด็กเพียงส่วนเล็กๆ เท่านั้นที่ติดเชื้อแบคทีเรียหรืออาการอักเสบอย่างรุนแรง ทำให้ทีมแพทย์มีปัญหาในการระบุและรักษากลุ่มประชากรตามกลุ่มนี้อย่างเหมาะสม โดยไม่ต้องรักษาผู้ป่วยส่วนใหญ่ที่ทุกข์ทรมานจากการติดเชื้อไวรัสที่จำกัดตัวเองมากเกินไป“การทดสอบวินิจฉัยแบบทั่วไปไม่สามารถแยกแยะสาเหตุที่อาจเกิดขึ้นได้มากมายด้วยความเร็วและความแม่นยำที่เพียงพอในการแจ้งการรักษาเบื้องต้น การวินิจฉัยทางจุลชีววิทยาโดยอาศัยการเพาะเลี้ยงนั้นช้า และแม้ว่าเทคนิคการวินิจฉัยระดับโมเลกุลจะเร็วกว่า แต่ก็ถูกจำกัดโดยเชื้อโรคที่รวมอยู่ในแผงควบคุม และผลลัพธ์เชิงบวกอาจระบุเชื้อโรคที่ไม่ใช่สาเหตุของการเจ็บป่วยในปัจจุบัน โดยเฉพาะอย่างยิ่งสำหรับตัวอย่างระบบทางเดินหายใจ”

การตรวจหาไวรัสก่อโรคแบบทั่วไปมักจะระบุเชื้อไวรัสได้เพียงตัวเดียว แต่ไม่สามารถจับการติดเชื้อของจุลินทรีย์ที่มีปฏิสัมพันธ์หลายตัวได้ ซึ่งจำกัดการประยุกต์ใช้ในการวินิจฉัยการติดเชื้อที่รุนแรงส่วนใหญ่จะกระจายอยู่ในบริเวณที่เข้าถึงได้ยาก (โดยเฉพาะปอด) ส่งผลให้เกิดรายงานผลลบที่ผิดพลาด แม้ว่าจะมีอาการติดเชื้อทางคลินิกที่รุนแรงก็ตาม ภาวะการอักเสบ รวมถึงโรคคาวาซากิ (KD) และโรคข้ออักเสบไม่ทราบสาเหตุในเด็กและเยาวชน ยังไม่มีการทดสอบเพื่อยืนยันหรือหักล้างการวินิจฉัย ส่งผลให้เกิดความล่าช้าอย่างรุนแรงในการเริ่มการรักษา หรือแย่กว่านั้นคือการระบุโรคผิดพลาด

น่าตกใจที่เด็กไม่ถึงครึ่งที่เข้ารับการรักษาด้วยอาการไข้หรือแม้แต่ในหอผู้ป่วยหนักในเด็ก ท้ายที่สุดจะได้รับการพิจารณาวินิจฉัยขั้นสุดท้ายสิ่งนี้บังคับให้ผู้เชี่ยวชาญด้านสุขภาพต้องพึ่งพาการแทรกแซงที่เกี่ยวข้องกับยาปฏิชีวนะในวงกว้างสำหรับการติดเชื้อที่ไม่เป็นอันตรายที่สุด ดังนั้นจึงมีส่วนทำให้ปัญหาการดื้อยาต้านจุลชีพเพิ่มมากขึ้น

เมื่อเร็ว ๆ นี้ การจัดลำดับ RNA (RNA-seq) ได้รับการสำรวจว่าเป็นวิธีการวินิจฉัยทางเลือก ไม่จำกัดเพียงเวลารอที่เกี่ยวข้องกับขั้นตอนการวินิจฉัยทั่วไปการวิจัยที่เพิ่มมากขึ้นเรื่อยๆ ชี้แจงว่าลายเซ็นการถอดเสียงในตัวอย่างเลือดครบส่วนสามารถแยกแยะการติดเชื้อแบคทีเรียและไวรัส ไข้เลือดออก มาลาเรีย ไวรัสโรตา ไวรัสทางเดินหายใจ วัณโรค (TB) และภาวะการอักเสบได้อย่างรวดเร็วและแม่นยำ รวมถึงโรคลูปัส erythematosus (SLE) ) และเคดีข้อจำกัดที่น่าสังเกตของการศึกษาเหล่านี้คือการมุ่งเน้นไปที่การแบ่งแยกไบนารีแบบง่าย - แบบหนึ่งต่อหนึ่ง (การติดเชื้อแบคทีเรียหรือไวรัส) หรือแบบหนึ่งต่อทั้งหมด (วัณโรคหรือโรคอื่น ๆ ) ซึ่งจะช่วยลดการใช้งานทางคลินิกในทางปฏิบัติ

เกี่ยวกับการศึกษา

การศึกษาปัจจุบันใช้ตัวดำเนินการการหดตัวและการคัดเลือกแบบสัมบูรณ์น้อยที่สุด (LASSO) และการเลือกคุณสมบัติและการจำแนกประเภทที่ได้มาจากแบบไฮบริดของการถดถอยแบบริดจ์ เพื่อบรรเทาข้อจำกัดของการวิจัยก่อนหน้านี้ที่ดำเนินการในสาขานี้นักวิจัยได้ฝึกอบรมตัวแยกประเภท ML บนชุดข้อมูลไมโครอาร์เรย์การแสดงออกของยีน 12 ชุด และต่อมาได้ทดสอบประสิทธิภาพของแบบจำลองในกลุ่มผู้ป่วยอิสระที่ได้รับข้อมูล RNA-seq ในเลือดทั้งหมดในการค้นหาแผงตัวชี้วัดทางชีวภาพที่ใช้สำหรับการฝึกแบบจำลอง มีการใช้ชุดข้อมูลไมโครอาร์เรย์ของเด็กที่เปิดเผยต่อสาธารณะ 12 ชุด (n = 1,212) ที่มีอาการป่วยไข้เฉียบพลันและการควบคุมสุขภาพที่ดีได้ถูกนำมาใช้

Antibodies eBook รวบรวมบทสัมภาษณ์ บทความ และข่าวเด่นในปีที่ผ่านมาดาวน์โหลดฉบับล่าสุดข้อมูลควบคุมถูกใช้เพื่อจัดกลุ่มผลลัพธ์ที่ถูกต้องโดยใช้วิธี COmbat CO-Normalization โดยใช้การควบคุม (COCONUT) ผู้ป่วยที่มีการตรวจสอบทางคลินิกของการเจ็บป่วยได้ถูกรวมไว้ในการศึกษานี้ ในขณะที่ไม่รวมผู้ที่มีเชื้อก่อโรคหลายอย่างซึ่งส่งผลให้ชุดข้อมูลสุดท้ายของแบคทีเรีย 338 ราย ไวรัส 290 ราย และกรณีการอักเสบ 487 ราย มาลาเรียเป็นเชื้อปรสิตชนิดเดียวที่ระบุได้ในชุดข้อมูล (n = 97) ชุดข้อมูลนี้ได้รับการสุ่มแบ่งออกเป็นข้อมูลการฝึกอบรม (75%) และการทดสอบ (25%) โดยใช้แนวทางการแบ่งชั้นเพื่อรักษาสัดส่วนของชั้นเรียนโมเดล ML ห้าโมเดลได้รับการฝึกอบรมและประเมิน โดยโมเดลไฮบริด LASSO + Ridge ได้รับการระบุว่าเป็นโมเดลที่เหมาะสมที่สุดซึ่งช่วยให้สามารถประเมินความอ่อนไหวด้านต้นทุนได้

ความอ่อนไหวต่อต้นทุน (หรือที่เรียกว่า "การเรียนรู้ที่คำนึงถึงต้นทุน") เป็นอัลกอริธึมแบบจำลองการลงโทษที่ใช้การตัดสินที่เป็นเอกฉันท์ของผู้เชี่ยวชาญสาขาต่างๆ เพื่อกำหนด "น้ำหนัก" ให้กับผลเสียของการระบุโรคที่ผิดพลาดหรือความล่าช้าในการเริ่มต้นการรักษา สิ่งนี้ทำให้สามารถจัดลำดับความสำคัญของการคาดการณ์โดยสนับสนุนเงื่อนไขที่ผลจากการวินิจฉัยผิดพลาดเกิดขึ้นสูงสุด

แม้ว่าแนวทางข้างต้นจะเป็นประโยชน์สำหรับการระบุโรคเฉพาะและการแทรกแซงทางคลินิกในระยะยาว แต่กรณีในเด็กส่วนใหญ่ โดยเฉพาะอย่างยิ่งการติดเชื้อที่รุนแรง จำเป็นต้องได้รับการรักษาโดยทันทีจากสาเหตุที่ก่อให้เกิดโรคในวงกว้าง (แบคทีเรีย ไวรัส หรือการอักเสบ)ข้อมูลทั้งหมดได้รับการจัดหมวดหมู่เป็นไวรัส แบคทีเรีย หรือการอักเสบ เพื่อตอบสนองความต้องการนี้และวิเคราะห์ซ้ำ เนื่องจากวัณโรคและ KD แตกต่างอย่างมีนัยสำคัญจากสภาวะแบคทีเรียและการอักเสบอื่น ๆ ตามลำดับในด้านพยาธิวิทยา การจัดการ และลายเซ็นการถอดเสียง พวกเขาจึงได้รับการปฏิบัติเหมือนเป็นคลาสที่เป็นอิสระ

“การคาดการณ์เหล่านี้ช่วยให้แบบจำลองสะท้อนถึงการจำแนกประเภทการวินิจฉัยที่ใช้ในการตัดสินใจทางคลินิก และตอบคำถามทางคลินิกหลายข้อไปพร้อมๆ กัน ทีมแพทย์สามารถให้ข้อมูลที่เป็นไปได้สำหรับผู้ป่วยแต่ละรายที่จะอยู่ในแต่ละชั้นเรียนเพื่อเป็นข้อมูลที่ดีที่สุดสำหรับการตัดสินใจ”แบบจำลอง ML สุดท้ายได้รับการตรวจสอบความถูกต้องข้ามชุดข้อมูลอิสระที่ประกอบด้วยข้อมูล RNA-seq ของเลือดครบส่วนจากผู้ป่วย 411 รายที่ครอบคลุมกลุ่มการวินิจฉัยแบบกว้างๆ ทั้งหมด และโรคที่อยู่ระหว่างการศึกษา 18 โรค เพื่อตรวจสอบประสิทธิภาพของโมเดลไฮบริด LASSO-Ridge

สุดท้ายนี้ แบบจำลอง ML ได้รับการเปรียบเทียบกับการศึกษาแบบหนึ่งต่อทั้งหมดก่อนหน้านี้ โดยใช้ค่าสัมประสิทธิ์แบบจำลองเชิงเส้น ลักษณะการทำงานของตัวรับ (ROC) และพื้นที่ใต้เส้นโค้ง (AUC)ผลการศึกษาแบบจำลอง LASSO-Ridge ML ระบุโพรบ RNA 161 ตัวที่ประกอบด้วยยีน 155 ยีนที่สามารถแยกแยะอาการที่เป็นไปได้ในเด็กได้ 18 แบบ เนื่องจากมียีน 10 ยีนที่เป็นตัวแทนในชุดข้อมูลหรือสำเนาเสียงที่ไม่สามารถตรวจสอบได้เพียงพอ ยีน 145 ยีนจึงถูกกำหนดให้เป็นกลุ่มตัวบ่งชี้ทางชีวภาพขั้นสุดท้ายการวิเคราะห์ในชั้นเรียนกว้างเปิดเผยว่าทั้งหกชั้นเรียนที่รวมอยู่ (ไวรัส แบคทีเรีย มาลาเรีย วัณโรค KD และการอักเสบ) สามารถแยกแยะได้อย่างแม่นยำในการวิเคราะห์แบบหนึ่งต่อหนึ่ง และแบบหนึ่งต่อทั้งหมดผลการทำนายชุดทดสอบพบว่าโมเดล ML สามารถทำนายคลาสการวินิจฉัยส่วนใหญ่ได้อย่างน่าเชื่อถือ แม้ว่าประสิทธิภาพการทำนายจะเป็นหน้าที่ของขนาดตัวอย่างการฝึกก็ตามอย่างไรก็ตาม การจำแนกประเภทในวงกว้างมีความน่าเชื่อถือโดยไม่ขึ้นอยู่กับขนาดตัวอย่างการฝึกอบรม ซึ่งเน้นถึงการประยุกต์ใช้ข้อมูล RNA-seq ในอนาคตในการแจ้งการแทรกแซงของโรคในเด็กในระยะเริ่มแรก

การศึกษานี้มีข้อจำกัดที่น่าสังเกตในเรื่องการขาดแคลนข้อมูล RNA-seq ในปัจจุบันสำหรับการฝึกแบบจำลอง ยกเว้น 18 เงื่อนไขภายใต้การตรวจสอบ อาการเจ็บป่วยในเด็กส่วนใหญ่ไม่มีข้อมูลการฝึกอบรมแบบ case-cohort ที่เปิดเผยต่อสาธารณะอย่างเพียงพอ เพื่อป้องกันการขยายตัวของความไวของแบบจำลอง MLเนื่องจากปริมาณงานที่สูงในปัจจุบัน RNA-seq ของตัวอย่างเลือดครบส่วนมีราคาแพง และต้องการสิ่งอำนวยความสะดวกและความเชี่ยวชาญทางเทคนิคที่อยู่นอกเหนือขอบเขตของคลินิกวินิจฉัยส่วนใหญ่  “เพื่อให้แน่ใจว่าจะมีประโยชน์ทางคลินิก การพัฒนาแนวทางเพิ่มเติมจะต้องอาศัยกลุ่มผู้ป่วยจำนวนมากที่มีฟีโนไทป์ทางคลินิกที่สม่ำเสมอ มีรายละเอียด และแม่นยำ ด้วยการขยายช่วงของเงื่อนไขที่รวมอยู่ในการค้นพบแผงการถอดเสียง อาจเป็นไปได้ที่จะปรับปรุงการรักษาผู้ป่วยจำนวนมาก โดยเฉพาะอย่างยิ่งในสภาวะที่หายากและไม่ได้รับการวินิจฉัย ซึ่งการตรวจพบตั้งแต่เนิ่นๆ และด้วยเหตุนี้การรักษาจึงอาจมีประโยชน์อย่างมาก ”

ข้อสรุป

การศึกษาครั้งนี้แสดงให้เห็นว่าแบบจำลอง ML สามารถใช้ตัวอย่างเลือดครบส่วนอย่างมีประสิทธิภาพได้อย่างไร เพื่อวินิจฉัยและแยกแยะระหว่างโรคทั่วไปในเด็กได้อย่างแม่นยำและรวดเร็วโมเดลไฮบริดของ LASSO-Ridge ได้รับการระบุว่าเป็นโมเดลที่มีประสิทธิภาพดีที่สุดหลังจากการลงโทษโมเดลผ่าน "การเรียนรู้ที่คำนึงถึงต้นทุน" ซึ่งเป็นแนวทางที่จัดลำดับความสำคัญของการวินิจฉัยโรคที่คุกคามถึงชีวิตได้อย่างแม่นยำมากกว่าการระบุเงื่อนไขที่เจ็บป่วยน้อยกว่าอย่างไม่ถูกต้องการวิเคราะห์ RNA-seq ของเลือดทั้งหมดจึงได้รับการยืนยันว่าเป็นทางเลือกที่รวดเร็วและเชื่อถือได้เมื่อเทียบกับวิธีการวินิจฉัยทางคลินิกทั่วไป ซึ่งวิธีหลังนี้ใช้เวลาหลายวันหรือหลายสัปดาห์ในอดีต โดยมีความแม่นยำในการวินิจฉัยน้อยกว่า 50%

“...หากพิจารณากลุ่มประชากรตามรุ่นทางคลินิกและชุดข้อมูลการแสดงออกของยีนที่เหมาะสม อาจเป็นไปได้ที่จะขยายหลักการนี้ไปยังประชากรอื่นๆ เช่น ผู้ใหญ่ ผู้ป่วยที่มีอาการป่วยร่วม และประชากรที่ได้รับผลกระทบจากเชื้อโรคที่จำเพาะต่อพื้นที่ทางภูมิศาสตร์บางแห่ง เช่น ไข้เลือดออก การติดเชื้ออาร์โบไวรัส หรือ โรคจากสัตว์สู่คน เช่น โรค Lyme และไข้รากสาดใหญ่ ซึ่งเป็นปัญหาในการวินิจฉัยอย่างมาก”ดังนั้น การศึกษาครั้งนี้จึงแสดงให้เห็นถึงข้อพิสูจน์แนวคิดที่อาจนำไปสู่ยุคใหม่ในการวินิจฉัยโรคในเด็ก ซึ่งอาจส่งผลให้สามารถช่วยชีวิตได้ด้วยค่าใช้จ่ายที่ลดลงอย่างค่อยเป็นค่อยไปที่เกี่ยวข้องกับการจัดลำดับยุคถัดไปและการนำเครื่องมือเหล่านี้ไปใช้ในวงกว้างมากขึ้น แพทย์ในอนาคตอาจสามารถเข้าถึงข้อมูลการวินิจฉัยได้ภายในเวลาไม่กี่ชั่วโมง ลดการระบุผิดพลาดอย่างมีนัยสำคัญ ปรับปรุงผลลัพธ์ทางคลินิก และลดภาระทางอ้อมทั่วโลกของยาปฏิชีวนะ เชื้อโรคที่ต้านทาน