今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

通过多模态数据集成框架推导出可复制的败血症临床亚表型

《npj Digital Medicine》:Deriving reproducible sepsis clinical subphenotypes through multimodal data integration framework

【字体: 大 中 小 】 时间:2026年08月27日 来源:npj Digital Medicine 18.0

编辑推荐:

  摘要脓毒症仍然是全球主要的健康挑战,其高度的异质性限制了有效治疗方法的发展。数据驱动的亚型分型为精准治疗带来了希望,但现有的大多数方法依赖于单模态或静态数据,因而重现性有限。尽管多模态数据可能有助于改善患者的分组和治疗效果估算,但将多模态数据整合到脓毒症亚型分型中的研究仍较为匮乏

  

摘要

脓毒症仍然是全球主要的健康挑战,其高度的异质性限制了有效治疗方法的发展。数据驱动的亚型分型为精准治疗带来了希望,但现有的大多数方法依赖于单模态或静态数据,因而重现性有限。尽管多模态数据可能有助于改善患者的分组和治疗效果估算,但将多模态数据整合到脓毒症亚型分型中的研究仍较为匮乏。为填补这一空白,我们利用来自中国和美国的55,940名脓毒症患者数据,开发了“多模态整合实现新型可重复亚型分型”(MINERS)框架。该框架包含三个模块:发现(Discovery)、迁移(Transfer)和验证(Validation),能够从多模态数据中识别脓毒症亚型,实现跨队列的早期亚型预测,并评估其重现性和临床实用性。通过MINERS框架,五种数据类型被整合到一个4945维的患者表示模型中,通过嵌入和聚类方法识别出了四个具有重现性的亚型。这些亚型表现出不同的临床轨迹、预后模式和治疗反应相关性,并在国际队列中得到了进一步验证。与现有方法相比,MINERS框架衍生出的亚型能够更全面地捕捉患者纵向数据的变化异质性,提供了一个可转移且可扩展的多模态亚型分型分析框架。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:脓毒症|亚型分型|多模态数据|数据驱动|可重复性|精准治疗

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号