原始文章

這項研究旨在識別和視覺化難治性肌肉骨骼疼痛綜合症的病人群體,特別是纖維肌痛症。研究涵蓋202名患者,發現78%符合纖維肌痛症標準,且許多人有精神或風濕性疾病。透過層次聚類分析,識別出五種不同的患者表型,主要區別在於獨居、體重指數、疼痛類型等。研究還開發預測模型,顯示某些藥物和獨居對疼痛減輕有負面影響,強調了解這些亞型可促進個性化治療,並為未來臨床試驗提供參考。 PubMed DOI


站上相關主題文章列表

慢性腎臟病患者常感強烈疼痛,加上焦慮和抑鬱可能惡化情況。非藥物治療對緩解疼痛有幫助,尤其避免使用阿片類藥物。然而,對於末期腎臟病患者,治療研究仍有限。本文探討以病人為中心的疼痛觀念和新研究領域,如基因體學和症狀分類,或許有助於改善治療。 PubMed DOI

研究利用無監督機器學習分析腎移植接受者的教育程度,發現四個群組,其中第二群組效果最好,而第一、三、四群組風險較高。結果顯示針對教育程度較低的患者需量身訂製移植策略和風險評估。 PubMed DOI

慢性下背痛研究受到多方面因素影響,整合各領域資訊具挑戰性。人工智慧工具如語言模型、相似性圖和知識圖展現潛力,可幫助分析文獻、探索新觀點並提出假設。應用人工智慧於慢性下背痛研究,有助於整合知識、促進假設發展。 PubMed DOI

纖維肌痛是個復雜的疾病,主要症狀是全身疼痛和情緒困擾,診斷很有挑戰性。患者常有認知和情緒變化,對疼痛相關資訊更敏感。研究指出,利用大型語言模型進行情感分析可幫助辨識疼痛表達中微妙的差異,尤其對於纖維肌痛的診斷有幫助。這項研究顯示,透過快速工程方法針對纖維肌痛的語言細微差異,能更準確地區分患者。未來還需進一步研究,包括與其他患者群體的驗證。 PubMed DOI

研究利用組織學和臨床數據分析MPGN患者,發現兩個不同患者群。第一群血肌酸酐高、腎功能差、組織學變化多;第二群則相對較少。結果顯示,MPGN患者可能不完全符合現有分類。 PubMed DOI

根據2021年國際糖尿病聯盟的報告,全球有5.37億人罹患糖尿病。雖然GLP-1激動劑對糖尿病治療有效,但約40%的患者反應不佳。本研究利用機器學習預測患者對GLP-1療法的反應,分析了2型糖尿病患者的數據,並找出5個基因變異和45個蛋白質標記,成功達到95%的預測準確率。這顯示機器學習在個人化治療中的潛力,但仍需在更大規模的研究中驗證結果。 PubMed DOI

這項研究探討2型糖尿病(T2D)和前期糖尿病的代謝異質性,超越傳統的空腹血糖或HbA1c分類。研究人員識別出四種代謝亞表型,分別是肌肉胰島素抗性、β細胞功能障礙、腸促胰島素作用受損及肝臟胰島素抗性,並發現個體之間存在顯著變異。透過口服葡萄糖耐受測試(OGTT)和機器學習,研究團隊成功預測這些亞表型,並提供有效的風險分層及針對性治療策略,以預防T2D,挑戰傳統的血糖水平分類方法。 PubMed DOI

這項研究針對新診斷的第二型糖尿病(T2DM)患者,使用k-means群集演算法分析567名參與者,識別出四種亞型:嚴重胰島素缺乏型(SIDD)、年齡相關型(MARD)、輕度肥胖相關型(MOD)和嚴重胰島素抵抗型(SIRD)。研究發現,SIDD和SIRD的血糖及脂質指標較高,MOD的胰島素水平最高。用藥模式也不同,各亞型在糖尿病併發症的風險上存在顯著差異,顯示基於群集的分類方法能有效指導個性化治療。 PubMed DOI

肥大細胞活化症候群(MCAS)的診斷越來越普遍,雖然有一套廣泛接受的聯盟標準,但也出現了其他替代標準。本研究評估這些替代標準的診斷特異性和一致性,結果顯示替代標準的診斷變異性較大且精確度較低,可能導致不相關的診斷。研究指出,這引發了對MCAS過度診斷的擔憂,並可能忽略更合適的診斷。 PubMed DOI

急性腎損傷(AKI)是一種複雜的病症,近期人工智慧的進展有助於識別AKI的亞表型,從而改善治療方案和預測結果。針對2017至2022年的研究進行系統性文獻回顧,發現不同人群的亞表型識別存在顯著差異。所有研究均使用臨床數據進行患者分組,並探討合併症及實驗室結果的影響。雖然亞表型與死亡率及腎臟恢復的關聯性各異,但識別這些亞表型能幫助醫生更好地管理患者。未來研究應在更大且多樣化的人群中驗證這些結果,以提升臨床應用的相關性。 PubMed DOI