此項研究是第一個完全依靠真實世界資料的模型，它允許在動态設定中模拟ALS的整個進展，不僅可預測患者生存時間，還可預測某種事件發生的時間。
肌萎縮側索硬化症 (ALS)也稱漸凍症，是一種緻命的神經退行性疾病，可導緻進行性癱瘓，通常在症狀出現後的2-4年内因呼吸衰竭而死亡。盡管疾病晚期症狀相對一緻，但在發病和早期階段的表型是高度可變的。一項發表在Journal of Neurology的研究顯示，基于動态貝葉斯網絡（DBN）與真實世界資料的預測模型能夠預測ALS患者生存率以及患者預後，包括行走、自理、呼吸、吞咽、交流方面的主要功能障礙，幫助臨床醫生判斷幹預的時機，制定治療規劃和臨床決策。
01
3940名ALS患者資料開發和驗證的精準預測模型
人工智能和機器學習可用于描述疾病過程并做出适用于廣泛患者的預測，以及開發出針對患者特征量身定制的個性化護理方法。
此項研究中采集意大利和以色列六個臨床中心的3940名ALS患者的真實世界資料，利用DBN算法開發了預測模型，運算模拟ALS患者的疾病軌迹并預測不同時間點的功能障礙和生存機率情況，并通過對比每個患者的模拟預後和真正的疾病進展，評估預測準确性。
同時，為了驗證模型性能，研究建立了兩個資料集，用于訓練和模拟不同場景下的患者疾病進展與生存情況，分别為：“ITIS”正常資料集，主要采集患者性别、發病部位、發病年齡、診斷、ALSFRS-R評估表，以及發病到氣管造口術/死亡的時間等，資料測量值達到24,615個；“IT”進階資料集則以基因突變、家族史、FTD、BMI，以及呼吸和營養支援的使用等特征作為預測值。
資料顯示，兩組模型在識别受試者疾病風險方面均具有良好的能力，從圖1可以看出“ITIS”模型的前36個月的iAU-ROC值分别從0.80到0.93不等，“IT”的iAU-ROC值分别從0.84到0.89不等（圖1）。表明預測與實際疾病進展非常一緻，進一步确認了模型作為初步篩查工具的能力。
圖1 兩組模型在識别受試者疾病風險方面的能力
此外，針對MiToS損傷和氣管切開術/死亡的模拟結果顯示兩個模型的預測和實際ALS進展之間的高度一緻性，證明DBN模型精确預測了患者的生存和MiToS域損傷。
02
挖掘不同風險因素與4個功能域之間的關聯
該研究同時評估了不同風險因素對ALS疾病進展的影響，主要是基于每位受試者首次就診時的特征，使用DBN工具對其疾病進展進行100種不同的模拟，挖掘發病部位、用力肺活量（FVC）等不同風險因素與患者發生吞咽、行走/自理、呼吸、溝通功能障礙之間的關聯。
研究者根據模拟結果，首先分析了“發病部分”對ITIS組列患者的吞咽障礙出現時間的影響，指出相對于脊髓發病型患者，延髓發病型患者在疾病早期出現吞咽障礙的可能性更高（圖2）。例如，在患者确診後的第50個月，76%的延髓發病型患者已發生吞咽障礙，而延髓發病型患者的發生比例為60%。
圖2 發病部分對吞咽障礙出現時間的影響
而通過模拟FVC對行走/自理障礙發生時間的影響，研究者發現，患者确診時的FVC值越低，失去行走/自理能力的時間越早（圖3）。例如，FVC值低于84%的患者，行走/自理障礙最有可能發生在發病後13個月，FVC值為84%~101%的患者可能在18個月時發生，FVC高于101%的患者則在20個月時發生。
圖3 FVC對行走/自理障礙發生時間的影響
此外，對于IT組列的患者，研究者進行了FVC對呼吸障礙發生時間的影響、首診時行走/自理能力喪失對溝通障礙發生時間的影響這2項評估，均得到了明确的結果。而DBN工具的所有預測結果，均和患者實際預後高度一緻，同時，研究者與相關文獻進行比較，确定并驗證了上述風險因素與疾病進展之間的聯系。
文章在最後提到，此項研究是第一個完全依靠真實世界資料的模型，它允許在動态設定中模拟ALS的整個進展。另外，與其他預測工具不同的是，DBN不僅可預測患者生存時間，還可預測某種事件發生的時間，且評估了預測結果和患者真實預後的一緻性，由此證明多種生物标志物對ALS預後的影響，為臨床實踐提供證據 。
【來源：中國網醫療頻道】