Una nueva arma para el diagnóstico de la tuberculosis y la detección de la resistencia a los medicamentos: una secuenciación dirigida de nueva generación (tNGS) combinada con el aprendizaje automático para el diagnóstico de la hipersensibilidad a la tuberculosis
Informe bibliográfico: CCa: un modelo de diagnóstico basado en tNGS y aprendizaje automático, adecuado para personas con tuberculosis y meningitis tuberculosa menos bacterianas.
Título de la tesis: Secuenciación de próxima generación y aprendizaje automático dirigido a la tuberculosis: una estrategia de diagnóstico ultrasensible para los túbulos pulmonares paucíficos y la meningitis tubular.
Periódico: 《Clínica Chimica Acta》
SI: 6,5
Fecha de publicación: enero de 2024
En combinación con la Academia de Ciencias de la Universidad de China y el Hospital de Tórax de Beijing de la Universidad Médica Capital, Macro & Micro-Test estableció un modelo de diagnóstico de tuberculosis basado en la nueva generación de tecnología de secuenciación dirigida (tNGS) y método de aprendizaje automático, que proporcionó datos ultraaltos. sensibilidad de detección de tuberculosis con pocas bacterias y meningitis tuberculosa, proporcionó un nuevo método de diagnóstico de hipersensibilidad para el diagnóstico clínico de dos tipos de tuberculosis y ayudó al diagnóstico preciso, la detección de resistencia a los medicamentos y el tratamiento de la tuberculosis.Al mismo tiempo, se descubre que el ADNcf plasmático del paciente se puede utilizar como un tipo de muestra adecuado para el muestreo clínico en el diagnóstico de TBM.
En este estudio, se utilizaron 227 muestras de plasma y muestras de líquido cefalorraquídeo para establecer dos cohortes clínicas, en las que las muestras de la cohorte de diagnóstico de laboratorio se utilizaron para establecer el modelo de aprendizaje automático del diagnóstico de tuberculosis, y las muestras de la cohorte de diagnóstico clínico se utilizaron para verificar lo establecido. modelo de diagnóstico.Todas las muestras fueron seleccionadas primero por un conjunto de sondas de captura dirigidas especialmente diseñadas para Mycobacterium tuberculosis.Luego, basándose en los datos de secuenciación de TB-tNGS, se utiliza el modelo de árbol de decisión para realizar una validación cruzada quíntuple en los conjuntos de entrenamiento y validación de la cola de diagnóstico de laboratorio, y se obtienen los umbrales de diagnóstico de muestras de plasma y muestras de líquido cefalorraquídeo.El umbral obtenido se coloca en dos conjuntos de pruebas de la cola de diagnóstico clínico para su detección, y el rendimiento diagnóstico del alumno se evalúa mediante la curva ROC.Finalmente se obtuvo el modelo de diagnóstico de tuberculosis.
Fig. 1 diagrama esquemático del diseño de investigación.
Resultados: De acuerdo con los umbrales específicos de la muestra de ADN de LCR (AUC = 0,974) y la muestra de ADNcf de plasma (AUC = 0,908) determinados en este estudio, entre 227 muestras, la sensibilidad de la muestra de LCR fue del 97,01%, la especificidad fue del 95,65% y la sensibilidad y especificidad de la muestra de plasma fueron 82,61% y 86,36%.En el análisis de 44 muestras pareadas de ADNcf de plasma y ADN de líquido cefalorraquídeo de pacientes con TBM, la estrategia de diagnóstico de este estudio tiene una alta consistencia del 90,91% (40/44) en ADNcf de plasma y ADN de líquido cefalorraquídeo, y la sensibilidad es de 95,45%. (42/44).En niños con tuberculosis pulmonar, la estrategia diagnóstica de este estudio es más sensible a muestras de plasma que los resultados de detección Xpert de muestras de jugo gástrico de los mismos pacientes (28,57% VS 15,38%).
Fig. 2 Rendimiento del análisis del modelo de diagnóstico de tuberculosis para muestras de población.
