Une nouvelle arme pour le diagnostic de la tuberculose et la détection de la résistance aux médicaments: un séquençage ciblé de nouvelle génération (TNG) combiné avec l'apprentissage automatique pour la tuberculose
Rapport de la littérature: CCA: un modèle de diagnostic basé sur les TNG et l'apprentissage automatique, qui convient aux personnes atteintes de tuberculose bactérienne et de méningite tuberculeuse.
Titre de la thèse: Séquençage de nouvelle génération tuberculeux et apprentissage automatique: une stratégie de diagnostic ultra-sensible pour les tubulaires pulmonaires et la méningite tubulaire.
Périodique: 《Clinica Chimica Acta》
Si ： 6.5
Date de publication: janvier 2024
Combiné avec l'Université de l'Académie des sciences de l'Université de la Capital University de l'Université médicale de la capitale, Macro & Micro-Test a établi un modèle de diagnostic de tuberculose basé sur la nouvelle génération de la technologie de séquençage ciblée (TNGS), qui a fourni une méthode ultra-élevée La sensibilité à la détection pour la tuberculose avec peu de bactéries et de méningite tuberculeuse, a fourni une nouvelle méthode de diagnostic d'hypersensibilité pour le diagnostic clinique de deux types de tuberculose, et aidé le diagnostic précis, la détection de la résistance aux médicaments et le traitement de la tuberculose. Dans le même temps, il est constaté que l'ADNc de plasma du patient peut être utilisé comme type d'échantillon approprié pour l'échantillonnage clinique dans le diagnostic de TBM.
In this study, 227 plasma samples and cerebrospinal fluid samples were used to establish two clinical cohorts, in which the laboratory diagnostic cohort samples were used to establish the machine learning model of tuberculosis diagnosis, and the clinical diagnostic cohort samples were used to verify the established Modèle de diagnostic. Tous les échantillons ont d'abord été ciblés par un pool de sondes de capture ciblé spécialement conçu pour Mycobacterium tuberculosis. Ensuite, sur la base des données de séquençage TB-TNGS, le modèle d'arbre de décision est utilisé pour effectuer une validation croisée 5 fois sur les ensembles de formation et de validation de la file d'attente de diagnostic de laboratoire, et les seuils de diagnostic des échantillons de plasma et des échantillons de liquide céphalorachine sont obtenus. Le seuil obtenu est introduit dans deux ensembles de tests de file d'attente de diagnostic clinique pour la détection, et les performances de diagnostic de l'apprenant sont évaluées par la courbe ROC. Enfin, le modèle de diagnostic de la tuberculose a été obtenu.
Fig. 1 Diagramme schématique de la conception de la recherche
Résultats: Selon les seuils spécifiques de l'échantillon d'ADN CSF (AUC = 0,974) et de l'échantillon plasmatique d'ADNc (AUC = 0,908) déterminé dans cette étude, parmi 227 échantillons, la sensibilité de l'échantillon de CSF était de 97,01%, la spécificité était de 95,65% et La sensibilité et la spécificité de l'échantillon de plasma étaient de 82,61% et 86,36%. Dans l'analyse de 44 échantillons appariés d'ADNc de plasma et de l'ADN de liquide céphalo-rachidien chez les patients TBM, la stratégie de diagnostic de cette étude a une cohérence élevée de 90,91% (40/44) dans l'ADNA plasmatique et l'ADN du liquide céphalo-rachidien, et la sensibilité est de 95,45% (42/44). Chez les enfants atteints de tuberculose pulmonaire, la stratégie de diagnostic de cette étude est plus sensible aux échantillons de plasma que les résultats de détection Xpert des échantillons de jus gastrique des mêmes patients (28,57% vs 15,38%).
Fig. 2 Performance d'analyse du modèle de diagnostic de tuberculose pour les échantillons de population
