从机器学习分析中发现的偏头痛群体
德州奥斯汀--一项针对大量偏头痛患者的机器学习分析发现了一些共享临床和治疗反应特征的亚群。研究作者Ali Ezzati博士表示，这一发现可能指向新的治疗策略。
“我们在偏头痛领域拥有的许多诊断标准都来自专家的共识小组，基于他们的经验和现有数据。他们将头痛分为不同类型，然后在此基础上分为不同类型的偏头痛。不幸的是，这种分类方式并不能确保得到非常均质的群体，”Ezzati博士在美国头痛学会年会上报告称。
通常将偏头痛分为间歇性（每月0-14次头痛）或慢性（每月15次或更多），或有或无先兆。但根据Ezzati博士的说法，这些广义的分类无法捕捉到偏头痛的真正多样性，这可能导致偏头痛治疗的反应率仅为60％。
“我们认为提高治疗效果的关键是识别那些更均质、更相似的个体，这样当我们进行治疗时，它就能针对这些人的潜在病理生理学，”Ezzati博士说。他是加州大学欧文分校的神经学副教授和神经信息学项目主任。
Ezzati博士表示，分析结果揭示了一些临床上有趣的发现。“例如，痛觉过敏是一种不常用于不同类型偏头痛分类的症状。有一个特定的群体在痛觉过敏上非常严重，而且对治疗反应不太明显，所以人们可能需要关注这个群体。此外，我们经常谈论偏头痛的共病，但我们不谈论这些共病如何影响特定药物的治疗策略和治疗反应。我们证明了患有抑郁症的人对治疗的反应比其他群体要差，尤其是对处方药物的反应，”他说。
机器学习揭示了聚类
研究人员分析了来自美国偏头痛患病率和预防研究的4423名患者的数据，该研究从2005年到2009年每年进行一次。他们纳入了在2006年和2007年填写调查问卷的成年患者。研究人群中，女性占83.7％，平均年龄为46.8岁，慢性偏头痛占6.4％。然后，研究人员使用基于机器学习的自组织映射算法将患者分为相似的群体。
算法产生了五个这样的群体：群体1症状最轻，慢性偏头痛占0.6％。群体2症状轻微，没有慢性偏头痛。群体3症状中等，痛觉过敏的患病率较高（88.5％，总体为63.4％，P < .001），没有慢性偏头痛。群体4抑郁症状频发（63.1％，总体为19.8％，P < .001），慢性偏头痛占5.2％。群体5偏头痛频发且严重，大多数（83.0％）患有慢性偏头痛（P < .001）。
还有一些其他更广泛的趋势。曲普坦在群体2（25.6％），群体3（27.9％）和群体5（28.0％）中更常用，但在群体4中使用较少（17.1％；P < .001）。2小时内的疼痛缓解在群体1中最常见（53.1％），其次是群体2（46.4％），但在群体3（32.2％），群体4（32.2％）和群体5（34.7％）中显著较少（P < .001）。
治疗方面的启示
Ezzati博士认为，机器学习和数据分析可能为定制化的偏头痛治疗指明了未来的方向。“我认为我们总体上应该走更多使用证据和数据来指导我们为患者进行个体化规划的道路。为此，我们需要更大规模的临床和流行病学研究，以帮助我们识别更均质的患者亚型，最终能够在临床试验中有针对性地治疗他们，”他说。
主持这项研究报告的Catherine Chong博士在采访中对这项研究表示赞赏。“间歇性偏头痛和慢性偏头痛是根据每月头痛频率开发的分类方法，基本上是基于委员会的共识。他们基本上确定，每月15次及以下的偏头痛属于间歇性偏头痛，而超过15次的属于慢性偏头痛。所以他们根据领域内的人们的想法将偏头痛二分化。从数据自由地看，并让算法确定不同的亚型，并将所有患有偏头痛的人归入其中，并从数据中自然地出现这些群体，我认为这是很有意思的，”Chong博士说。
她赞同Ezzati博士对进一步研究的呼吁，以找出更多亚群。“低于15次偏头痛（每月），14次偏头痛和15次以上，或者8次头痛与15次以上的人真的有很大的不同吗？我认为我们需要进一步研究以确定该数据中是否存在其他亚群。我认为我们可能可以从我们现有的不同数据中找到更多的亚群，”Chong博士说。
用户的评价 浏览量：
526
次 | 评论：0
条 | 好评：0
其他疾病相关文章
其他疾病文章
京公网安备 11010102003638号