 酒精相關(guān)肝?。ˋLD）是全球肝病的主要原因之一，占與肝硬化有關(guān)的死亡人數(shù)的四分之一以上。脂肪變性、酒精性肝炎和纖維化是明顯的組織病理學(xué)特征，標志著ALD向肝硬化的發(fā)展，然而這種發(fā)展往往是無癥狀和非特異性的，這使得早期診斷極具挑戰(zhàn)性。ALD經(jīng)常是通過異常的肝臟測試結(jié)果或影像學(xué)診斷的，而且準確的風(fēng)險評估需要綜合各種數(shù)據(jù)模式的信息，包括生化、放射和基于活檢的組織學(xué)數(shù)據(jù)。盡管使用血清生物標志物和放射學(xué)參數(shù)的無創(chuàng)評估被廣泛用于描述晚期肝病的特征，但這些測試對于早期ALD的準確性較低。 最近，分子分析能力的進步為開發(fā)用于早期檢測ALD的微創(chuàng)生物標志物提供了新的機會，這可以為有效的臨床干預(yù)提供一個窗口。在本期《Nature Medicine》雜志中，Niu等人采用了一種配對的蛋白質(zhì)組學(xué)方法--使用肝臟組織和血漿--結(jié)合機器學(xué)習(xí)來確定早期ALD的診斷和預(yù)后生物標志物。 作者對確診的無癥狀A(yù)LD患者和健康對照研究參與者的肝臟和血漿樣品進行了基于質(zhì)譜（MS）的蛋白質(zhì)組學(xué)分析。他們將這些數(shù)據(jù)與組織學(xué)、影像學(xué)和臨床數(shù)據(jù)結(jié)合起來，以確定血漿中存在的與疾病相關(guān)的蛋白質(zhì)特征，然后使用機器學(xué)習(xí)來生成能夠檢測ALD中脂肪變性、炎癥和纖維化的新型生物標志物。相對于現(xiàn)有的非侵入性評估，這些蛋白質(zhì)組學(xué)模型在識別這三個關(guān)鍵特征方面表現(xiàn)出明顯的改善或至少具有競爭力。這些模型在一個獨立的隊列中得到了驗證，并根據(jù)電子健康記錄的結(jié)果，證明了預(yù)測肝臟相關(guān)事件和死亡率的高預(yù)后準確性。 傳統(tǒng)上，ALD患者都是以晚期疾病的階段出現(xiàn)的，臨床決策是由預(yù)測模型指導(dǎo)的，這些模型結(jié)合了常規(guī)的結(jié)構(gòu)化臨床數(shù)據(jù)和統(tǒng)計方法，如Cox回歸。流行的模型，包括MELD（終末期肝病模型）評分系統(tǒng)和Maddrey的判別函數(shù)，是可以使用的，但并不完美，在不同的臨床情況和疾病階段，其應(yīng)用和可解釋性是有限的?，F(xiàn)在，新技術(shù)（包括但不限于蛋白質(zhì)組學(xué)）已經(jīng)擴大了將數(shù)據(jù)驅(qū)動的洞察力整合到整個ALD患者的護理中的工具包。 取得這些進展的同時，人工智能（AI）也被采用，成為合成和分析大型數(shù)據(jù)集的有效工具。近年來，研究人員已經(jīng)應(yīng)用機器學(xué)習(xí)來改善肝病的篩查、診斷和預(yù)后結(jié)果。例如，機器學(xué)習(xí)已經(jīng)能夠通過分析常規(guī)生化指標來檢測普通人群中的非酒精性脂肪肝，量化與丙型肝炎有關(guān)的肝硬化患者的肝細胞癌風(fēng)險，并通過使用心電圖數(shù)據(jù)來識別肝硬化的存在和嚴重程度。此外，機器學(xué)習(xí)已被用于自動識別組織學(xué)圖像，并根據(jù)放射學(xué)數(shù)據(jù)預(yù)測肝細胞癌化療的反應(yīng)。 正如Niu等人所展示的那樣，人工智能和 "組學(xué) "技術(shù)的綜合力量提供了一個重要的機會，可以匯總和整合微創(chuàng)的數(shù)據(jù)模式，為整個肝臟疾病提供綜合護理。與傳統(tǒng)模型相比，新的建模技術(shù)不僅顯示出更好的診斷和預(yù)后性能，而且還顯示出為ALD患者推進個性化醫(yī)療的潛力。我們可以設(shè)想，在未來的醫(yī)療服務(wù)中，通過對臨床文件的自然語言處理，一個健康的人被確定為有患ALD的風(fēng)險，這是基于有害飲酒的歷史?？v向監(jiān)測與來自生命體征、實驗室測量、成像和其他無創(chuàng)模式的補充數(shù)據(jù)可以通過機器學(xué)習(xí)工具進行合成，以生成一個關(guān)于該人的疾病階段、ALD進展風(fēng)險和基于治療的預(yù)測結(jié)果的全面概況。鑒于數(shù)字化轉(zhuǎn)型、計算速度和測序技術(shù)的快速發(fā)展，這個愿景并不遙遠。然而，為了通過使用無創(chuàng)方法實現(xiàn)這種個性化，大規(guī)模多模式整合新型生物標志物將是至關(guān)重要的。該領(lǐng)域的進展將需要各領(lǐng)域的臨床醫(yī)生、生物信息學(xué)專家和數(shù)據(jù)工程師之間的協(xié)同合作，以解決在數(shù)據(jù)可用性、機器學(xué)習(xí)架構(gòu)以及模型可重復(fù)性和可解釋性方面出現(xiàn)的挑戰(zhàn)。  Niu等人的研究中向這個未來邁出了一步。他們的研究為基于質(zhì)譜的高通量技術(shù)和機器學(xué)習(xí)的可行性提供了寶貴的概念證明，以從單一血液樣本中產(chǎn)生新的診斷和預(yù)后信息。在將血漿樣本與肝臟組織配對并與縱向臨床結(jié)果數(shù)據(jù)整合后，作者產(chǎn)生了生物學(xué)見解，并驗證了一組蛋白質(zhì)生物標志物，以支持微創(chuàng)模型的開發(fā)，為ALD的早期識別和管理提供信息。他們的方法進一步強調(diào)了質(zhì)譜在這方面的好處。質(zhì)譜法的優(yōu)勢是在大的動態(tài)范圍內(nèi)對許多目標進行量化，并具有高特異性，而其他技術(shù)，如免疫親和法和比色法，則受到目標限制、交叉反應(yīng)和有限的線性參考范圍的阻礙。通過使用大型分析小組，質(zhì)譜法還可以捕捉到個體的異質(zhì)性和多樣性，提高顆粒度，有助于提高對疾病發(fā)病機制的理解，解決臨床測試和研究中的偏差，并提高結(jié)果的普遍性?；谫|(zhì)譜的技術(shù)的局限性包括儀器的勞動力和資本的高成本，與傳統(tǒng)的醫(yī)療點測定相比，它降低了可及性和效率。然而，技術(shù)的改進使檢測組件的小型化和自動化成為可能，這將使質(zhì)譜操作的范圍更廣。 蛋白質(zhì)組學(xué)和人工智能在滿足早期ALD的診斷和預(yù)后的關(guān)鍵需求方面已經(jīng)顯示出影響。即便如此，對整個ALD的綜合管理將需要整合多模態(tài)數(shù)據(jù)、創(chuàng)新的計算技術(shù)和開發(fā)新的數(shù)據(jù)基礎(chǔ)設(shè)施，以適應(yīng)規(guī)?；耐掏铝?。預(yù)計在肝病患者的護理中會出現(xiàn)更多的模式，包括代謝組、微生物組以及由一系列移動應(yīng)用和可穿戴設(shè)備產(chǎn)生的新型生物標志物。這類數(shù)字生物標志物將越來越多地被用于了解個體患者的行為和生理，以預(yù)測臨床結(jié)果和疾病的發(fā)展。獨特的病理生理學(xué)和一系列宿主和環(huán)境因素的影響，使得ALD在多模式護理轉(zhuǎn)變方面的時機已經(jīng)成熟。從需要改進的診斷生物標志物到基于治療反應(yīng)的定制干預(yù)，需要進一步的研究來推動該領(lǐng)域在護理的所有方面走向個性化醫(yī)療的未來。 參考資料
|
|
|
