糖尿病护理:基于机器学习或更好地管理糖尿病和心血管疾病风险的算法 |
![]() |
来源:原创网站2022-02-12 23:36
耶鲁大学和其他机构的科学家通过研究开发了一种新的在线工具,称为INSIGHT,它可能为SGLT2抑制剂的处方提供一种机器学习方法,从而使二型糖尿病患者受益最大。
2022年2月13日/100 bion/-目前已有大量研究证据表明钠-葡萄糖共转运蛋白2(SGLT2)抑制剂具有心脏保护作用,但其使用量不足,部分原因是成本较高。最近,在国际杂志《糖尿病护理》(Diabetes Care)上发表的一份题为“提名衍生工具,用于个性化canagliflozin对二型糖尿病心血管风险的影响”的研究报告中,耶鲁大学和其他机构的科学家通过研究开发了一种名为INSIGHT的新在线工具,该工具可能为SGLT2抑制剂的处方提供一种机器学习方法,从而使二型糖尿病患者受益最大。
图片:CC0公共域
研究人员对CANVAS和CREDENCE进行了临床试验,结果表明,SGLT2抑制剂如卡那格列嗪可以降低成年二型糖尿病患者因动脉粥样硬化性心血管疾病住院和死亡的风险。然而,卡格列嗪的处方昂贵且使用广泛。
在这项研究中,研究人员描述了一种个性化的方法,该方法有望解决ASCVD风险管理中常见的临床问题,即二型糖尿病患者和有心血管疾病风险的患者最有可能从卡格列奈药物的治疗中获益。INSIGHT的算法可以通过使用不同患者的表型来识别不同类型的患者,包括二型糖尿病持续时间、血压或高血压的增加、吸烟习惯和胆固醇水平等。
机器学习不依赖观察或假设。它可以帮助研究人员分析大量的临床数据,找到可能被忽略的模式或线索。在这种情况下,机器学习方法可以帮助分离出最能确定卡格列奈降低心血管疾病风险效果的特征。研究人员指出,三分之一已确定的患者可以从这种疗法中受益最大,这可能有助于更有针对性的实施研究。
图片:https://糖尿病期刊. org/care/article-abstract/doi/10.2337/DC21-1765/144528/现象级-衍生-工具-个体化-the?redirectedFrom=全文
在这篇文章中,研究人员通过使用一个名为耶鲁大学开放数据访问项目的开放科学项目,收集了10,000多名患者的数据。这些发现于2021年首次发表在西北青年心血管研究者论坛上,研究员Oikonomou因发表《基于CANVAS试验参与者分析的机器学习方法对卡格列奈心血管益处的个体化》获得相关奖项。
综上所述,本文的研究结果表明,研究人员提出了一种基于证据和机器学习指导的算法,可以为二型糖尿病患者的SGLT2抑制剂开出个性化的厨房,从而获得ASCVD的最佳治疗效果。(100yiyao.com 100医疗网)
原始来源:
Evangelos K. Oikonomou,Marc A. Suchard,Darren K. McGuire等,《糖尿病护理》(2022年)。DOI:10.2337/dc21-1765
版权声明
本网站标注“来源:百医网”或“来源:bioon”的文字、图片、音视频资料均属于百医网网站版权所有。未经授权,任何媒体、网站或个人不得转载,否则将承担责任。获得书面授权转载时,必须注明“来源:百医网”。其他来源的文章均为转载。本网站所有转载都是为了传递更多信息。转载不代表本网站的立场。不想被转载的媒体或个人可以联系我们,我们会立即删除。
87%的用户在随时阅读、评论、分享百医网APP。请扫描二维码下载-

- 相关报道
-
- 中国科学院发表最新Nature论文,挑战极端环境生命极限模型 (2025-08-01)
- Nature系列综述:基孔肯雅病毒的传播周期、预防及检测研究最新进展 (2025-08-01)
- 数字孪生细胞实验室横空出世!Cell:AI + 语法模型破解癌症与大脑发育的动态密码 (2025-07-31)
- N Engl J Med:我们身处数据金矿,为何仍为医学证据所困? (2025-07-31)
- CAR-T细胞疗法研究进展(第50期) (2025-07-30)
- 孕期遇冷竟改变脂肪“体质”?Front Endocrinol:短期温度波动会给母鼠脂肪组织留下持久印记,影响代谢适应 (2025-07-30)
- 为什么有些记忆忘不掉,但是有些却记不清?Science:揪出幕后“记忆剪辑师”,原来它一直在“切时间轴” (2025-07-29)
- 同一大脑回路,雌雄反应大不同!Cell 揭秘调控交配行为的 “性别开关” (2025-07-29)
- 近期科学家们在类器官研究领域取得的新进展! (2025-07-29)
- Science子刊:一类RNAi疗法降低HBV抗原和DNA水平同时激活免疫系统,有望终结HBV感染 (2025-07-28)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040