Цифровые биомаркеры, полученные с помощью акселерометрии, для оценки кардиометаболических рисков: представительный табличный эталон с учетом неопределенности

Болезнь Альцгеймера (БА) – это расстройство мозга, которое развивается медленно и в основном затрагивает память, мышление, язык и повседневную деятельность. Это одно из самых распространенных причин деменции и создает множество трудностей как для пациентов, так и для их семей. На ранней стадии симптомы часто слабо выражены и могут напоминать нормальное старение. По этой причине многие люди получают диагноз слишком поздно, когда болезнь уже прогрессирует. В настоящее время полного лекарства от БА не существует. Тем не менее, ранняя диагностика может помочь врачам лучше управлять состоянием пациента и предпринять необходимые шаги вовремя. В этом исследовании предлагается модель машинного обучения для определения ранних стадий болезни Альцгеймера на основе клинических данных, результатов нейропсихологических тестов и мер, связанных с нейровизуализацией. Данные, использованные в работе, собраны из Инициативы по нейровизуализации болезни Альцгеймера (ADNI). Поскольку в наборе данных есть пропущенные значения, применяется итеративная импутация для их заполнения. Набор данных также имеет несбалансированные классы, что решается с помощью метода Borderline SVM-SMOTE. Затем проводится отбор признаков с использованием оберток и встраиваемых методов, чтобы использовать только важные признаки для обучения. Выбранные признаки делятся на обучающие и тестовые наборы, и применяется масштабирование признаков. Разрабатывается ансамблевая модель стекового обучения с использованием логистической регрессии, Extra Trees, Bagging KNN и LightGBM в качестве базовых классификаторов. Кроме того, также обучается искусственная нейронная сеть на том же наборе данных. Эффективность этих моделей сравнивается по таким метрикам, как точность, полнота, F1-меры и AUC-ROC. Цель этого исследования состоит в том, чтобы найти лучший классификатор и выявить важные биомаркеры, которые могут помочь в ранней диагностике болезни Альцгеймера.

Фон. Рак яичников (РЯ) демонстрирует значительную гетерогенность в ответе на платиновые химиопрепараты, что приводит к переменным клиническим результатам и частым рецидивам. Текущие биомаркеры, такие как концентрация CA-125 в сыворотке и статус мутации BRCA, неполностью предсказывают терапевтический ответ. Мы исследовали, могут ли органы, полученные от пациентов (ОПП), функционально стратифицировать чувствительность к химиотерапии и лучше отражать клиническое поведение, специфичное для пациента. Методы. В исследование были включены двадцать пациентов с РЯ, проходивших лечение в период с января 2024 года по май 2026 года, из которых были успешно установлены четырнадцать линий ОПП. Восемь ОПП с надежным расширением при низком проходе и всеобъемлющим длительным наблюдением подверглись функциональному профилированию по отношению к карбоплатину, паклитакселу, олапарибу и доксорубицину. Ответы на препараты оценивались с использованием полумаксимальной ингибирующей концентрации (IC50) и интегральной площади под кривой (AUC) и объединялись с радиологическим ответом, кинетикой CA-125 в сыворотке, статусом BRCA и беспрерывной выживаемостью (PFS). Результаты. Клинические исходы значительно варьировались, несмотря на схожие режимы лечения с платиной и таксанами. Хотя снижение CA-125 после лечения было связано с увеличением PFS, ни кинетика CA-125, ни статус мутации BRCA последовательно не предсказали терапевтический ответ. Функциональная стратификация, основанная на ОПП, разделила опухоли на четыре клинически значимых фенотипа ответа на платину и таксаны: двуочаговая чувствительность, чувствительность к платине/резистентность к таксану, резистентность к платине/чувствительность к таксану и двуочаговая резистентность. Эти функциональные категории близко отражали радиологический ответ, нормализацию CA-125 и паттерны прогрессирования заболевания. ОПП с низкими значениями IC50 и AUC были связаны с стойкой клинической выгодой, в то время как резистентные ОПП коррелировали с постоянным заболеванием и ранним рецидивом. Выводы. Функциональная стратификация, основанная на ОПП, фиксирует клинически значимую терапевтическую гетерогенность в РЯ и дополняет традиционные биомаркеры, напрямую измеряя чувствительность опухоли к препарату. Перспективная интеграция тестирования ОПП может способствовать выбору терапии, специфичной для пациента, и поддерживать подходы функциональной прецизионной онкологии при раке яичников.

Фон. Плазменный мозговой pTau217 (BD-pTau217) может обеспечить специфическую для болезни Альцгеймера меру плазменного тау, превосходящую общее pTau217, однако его прогностическая ценность остается неясной. Мы сравнили BD-pTau217 и общее плазменное pTau217 для прогнозирования клинического прогрессирования и прогрессирования по ПЭТ с амилоидом у когнитивно неповрежденных участников ADNI. Методы. Плазменные биомаркеры были измерены у 1,427 участников ADNI, включая 529 когнитивно неповрежденных. Прогрессирование по ПЭТ с амилоидом оценивалось у базовых когнитивно неповрежденных амилоид-негативных участников с использованием продольной ПЭТ-имагинг; клиническое прогрессирование оценивалось у всех базовых когнитивно неповрежденных участников. Ассоциации оценивались с помощью моделей Кокса и временно-зависимого AUC. Результаты. BD-pTau217 явно не превосходил общее pTau217 в прогнозировании прогрессирования к легкому когнитивному нарушению или деменции. Однако среди базовых амилоид-негативных участников (N=175) BD-pTau217 лучше предсказывал положительность ПЭТ с амилоидом через 2.5 года (tdAUC 0.82 против 0.69; HR=10.54, p=0.00015) и через 4 года (tdAUC 0.77 против 0.64; HR=7.03, p=0.00055). Заключение. BD-pTau217 улучшил прогнозирование краткосрочного прогрессирования ПЭТ с амилоидом, с менее четким преимуществом для клинического прогрессирования. ВЫДЕЛЕНИЯ: BD-pTau217 предсказывал прогрессирование ПЭТ с амилоидом у когнитивно неповрежденных участников ADNI. BD-pTau217 превзошел общее pTau217 при пороговом значении CL ≥ 24.1. BD-pTau217 и общее pTau217 показали сходные результаты для клинического прогрессирования. Прогностическая эффективность варьировала в зависимости от порогов ПЭТ с амилоидом. BD-pTau217 может поддерживать стратификацию риска в профилактических испытаниях. ИССЛЕДОВАНИЕ В КОНТЕКСТЕ. Систематический обзор. Биомаркеры плазменного pTau217 демонстрируют сильные поперечные ассоциации с амилоидной и тау-патологией и все чаще используются для поддержки диагностики болезни Альцгеймера и отбора для клинических испытаний. Недавние конструкции анализов, избирательно измеряющие мозговой pTau217, могут снизить периферические вклады в измерения общего pTau217, однако их продольная прогностическая ценность относительно общего pTau217 остается менее установленной. Интерпретация. У когнитивно неповрежденных участников ADNI плазменный BD-pTau217 показал более сильные прогностические показатели по сравнению с общим pTau217 для прогрессирования из амилоид-негативного статуса в амилоид-позитивный статус, особенно при первичном пороге CL ≥ 24.1. В отличие от этого, BD-pTau217 и общее pTau217 показали более схожую эффективность в прогнозировании клинического прогрессирования к легкому когнитивному нарушению или деменции. Будущие направления. Эти результаты поддерживают дальнейшую оценку BD-pTau217 для биологической стратификации риска и обогащения профилактических испытаний. Необходима валидация на более разнообразных когортах, с более длительными интервалами наблюдения и на клинических платформах анализа.

Исследования внешней валидации имеют конечный размер выборки, что создает неопределенность относительно того, превышает ли чистая выгода (ЧВ) модели прогнозирования ЧВ базовых стратегий. Ожидаемая цена идеальной информации (ОПИ) quantifies последствия неопределенности. Текущие методы ОПИ фокусируются на одиночных исследованиях, игнорируя гетерогенность между центрами. Мы расширяем ОПИ и ожидаемую цену частичной идеальной информации (ОПЧИ), чтобы учесть гетерогенность между кластерами в многокцентровых исследованиях и метаанализах. Мы различаем глобальную и локальную оптимальную стратегию, а также наблюдаемые и ненаблюдаемые кластеры. Мы определяем ОПИглобальная, ОПИкластер_j, ОПИкластер и ОПЧИкластер,преобладание, реализованные в R-пакете MetaNB, и иллюстрируем их с помощью систематического обзора, проведенного в 36 центрах, по модели ADNEX для диагностики рака яичников. Предполагая одно глобальное решение по принятию ADNEX, нет необходимости в дополнительных данных для подтверждения, что ADNEX является превосходящим в целом (ОПИглобальная 0). Метаанализ заимствует информацию из наблюдаемых кластеров, что приводит к последовательному локальному превосходству ADNEX и ненулевому, но обычно более низкому ОПИкластер_j, чем при учете только локальных данных. Вероятность того, что базовые стратегии превосходят в ненаблюдаемых центрах, составляет 0.03. Устранение неопределенности в производительности и преобладании в каждом кластерном (ОПИкластер) дало бы 1134 чистых избегнутых ложноположительных результатов (ЛП) в год, предполагая 350000 опухолей ежегодно с 20% злокачественностей. Определение только локального преобладания с уверенностью (ОПЧИкластер, преобладание) дало бы 158 чистых избегнутых ЛП в год. Расширения ОПИ распутывают источники неопределенности и количественно оценивают необходимость дальнейшей валидации для определения глобальной или локально оптимальной стратегии. Учет неопределенности и гетерогенности в клинической полезности между кластерами имеет решающее значение для принятия решения о необходимости дополнительных валидационных исследований.

Персонализированная генерация изображений с несколькими объектами требует точного отображения всех запрашиваемых идентичностей и их заданных взаимодействий на основе направляющего запроса. Однако современные модели все еще испытывают трудности в этом процессе, часто опуская объекты, не сохраняя внешность референсов или неверно приписывая взаимодействия. Кроме того, существующие метрики, которые в основном разработаны для оценки единственного объекта, не могут надежно фиксировать эти ошибки, страдая от сильного ухудшения различимости в ранжировании и не совпадая с человеческими предпочтениями по мере увеличения числа объектов. Для решения этой проблемы мы представляем Бенчмарк и оценщик взаимодействий между несколькими объектами (MIBE), унифицированную структуру, состоящую из Бенчмарка взаимодействий между несколькими объектами (MIB) и Оценщика взаимодействий между несколькими объектами (MIE). MIB систематически охватывает различные типы отношений и сложности сцен через декомпозированную организацию данных. Это включает 60K пар с метками VLM для масштабируемого обучения метрик и 4K пар из двойного слепого оценивания людьми для разнообразного диапазона современных генераторов, при этом набор Silver достигает 95.1% согласия по предпочтениям. Для демонстрации полезности этого бенчмарка мы представляем MIE, легковесный, ориентированный на референсы оценщик, обученный исключительно на наборе Silver с двойной целью ранжирования и диагностики. MIE демонстрирует сильную обобщающую способность между генераторами на Gold наборе, достигая 0.922 общей точности парного сравнения с человеческими предпочтениями, включая 0.982 для изученных генераторов и 0.884 для не изученных. Обогнав широкий спектр базовых метрик, включая вариации CLIP и DINO, MIE показывает, что диагностическое наблюдение может сохранить различимость в ранжировании и соответствие с людьми там, где традиционные оценщики теряются.

Существует не много исследований, посвящённых распределению и временным тенденциям расходов на медицинскую помощь, связанных с воспалительными заболеваниями кишечника (ВЗК). Целью данного исследования было проанализировать тенденции расходов для пациентов с ВЗК в Каталонии с 2011 по 2024 год, определить основные факторы затрат и прогнозировать будущие расходы до 2036 года. Все пациенты с диагнозом ВЗК, включенные в Систему наблюдения за здоровьем Каталонии (СНЗК), считались подходящими. СНЗК собирает проспективные данные о публичной медицинской помощи для 8 миллионов человек в 2024 году. Анализировалось использование медицинских услуг, расходы были рассчитаны с использованием стандартных цен, определённых Департаментом здравоохранения Каталонии. Все расходы были скорректированы на евро 2024 года с использованием Индекса потребительских цен, чтобы обеспечить возможность сравнения между годами. Расходы были оценены для ВЗК в целом, болезни Крона (БК) и язвенного колита (ЯК). Для прогнозирования общих затрат до 2036 года использовалась модель авторегрессионного интегрированного скользящего среднего. Расходы на медицинскую помощь, связанные с ВЗК, увеличились в три раза с 67,4 миллиона евро в 2011 году до 201,6 миллиона евро в 2024 году, в то время как затраты на одного пациента возросли с 3,981 евро до 4,753 евро. Биологические терапии были основным фактором затрат, особенно при БК. Средние биологические затраты на одного пациента снизились на 16,6% при БК, но увеличились на 44,5% при ЯК. Пациенты с БК последовательно несли более высокие затраты на душу населения. Прогнозы указывают на продолжение роста общих расходов, достигая 319,0 миллиона евро к 2036 году. В целом, расходы на медицинскую помощь, связанные с ВЗК, в Каталонии резко увеличились с 2011 по 2024 год, что было в основном вызвано увеличением распространенности ВЗК. Затраты на одного пациента увеличились умеренно. Сдерживание роста затрат на одного пациента наблюдалось в фармацевтических расходах, вероятно, из-за строгой политики, способствующей использованию биосимиляров. Эти результаты могут быть полезны для разработки будущих медицинских политик.