Машинное обучение для фенотипирования боли и прогнозирования ответа на вмешательства по лечению боли у молодых взрослых с синдромом раздражённого кишечника

Machine learning to phenotype pain and predict response to pain interventions among young adults with irritable bowel syndrome
Angela Renee Starkweather, Xiaomei S. Cong, Jie Chen, Tingting Zhao, Ming‐Hui Chen, Wanli Xu, A.M. Li, Weizi Wu, Leonel Rodriguez
2025-10-08

байесовские аддитивные регрессионные деревьяполиморфизм COMT rs4680боль при синдроме раздражённого кишечникакатастрофизация болипредсказание ответа на вмешательства при боли
Синдром раздражённого кишечника (СРК) является распространённым заболеванием, наиболее изнурительным симптомом которого служит боль. Сложная многофакторная природа боли при СРК приводит к значительной вариабельности и часто недостаточной эффективности самоконтроля, что подчёркивает острую необходимость в персонализированных прогностических моделях. В рамках вспомогательного анализа рандомизированного контролируемого исследования (NCT03332537) были использованы данные 80 молодых взрослых с СРК. Для разработки 27 различных прогностических моделей тяжести боли, влияния боли и качества жизни (КЖ) исходно и после вмешательства применялся алгоритм машинного обучения на основе аддитивных регрессионных деревьев Байеса. Предикторы включали комплексный многодоменный набор переменных, охватывающий генетические показатели, количественное сенсорное тестирование, микробиоту кишечника, психосоциальные факторы и потребление пищевых продуктов. Показатели эффективности моделей были высокими: значения площади под кривой (AUC) варьировали от 0,753 до 0,981. Выявилась устойчивая иерархия предикторов. Полиморфизм COMT rs4680 был наиболее значимым предиктором и входил в 26 моделей, за ним следовал ADRA1D rs1556832, вошедший в 24 модели. Механический порог боли был ключевым предиктором тяжести боли, тогда как психосоциальные факторы, особенно катастрофизация боли, имели решающее значение для влияния боли и КЖ. Показатели микробиоты кишечника и потребление пищевых продуктов также неизменно имели важное значение. В исследовании предложена комплексная мультиомная система, объясняющая индивидуальные различия в выраженности боли при СРК и ответе на лечение. Выявленные предикторы представляют собой практический инструмент для развития прецизионной медицины. Классификация пациентов на основе их индивидуальных профилей позволит клиницистам заблаговременно адаптировать стратегии самоконтроля, что потенциально способно трансформировать помощь при этом сложном заболевании. Боль при СРК связана со сложными нарушенными взаимодействиями между кишечником и мозгом. Ответ на лечение отличается высокой вариабельностью и с трудом поддаётся прогнозированию. Машинное обучение может способствовать фенотипированию сложных болевых состояний. Иерархические модели на основе машинного обучения выявляют базовую нейрогенетическую предрасположенность к боли при СРК. Прогнозирование с помощью машинного обучения индивидуального ответа на самоконтроль до начала лечения обеспечивает прямой путь к прецизионному лечению боли при СРК.
1
С помощью байесовских аддитивных регрессионных деревьев разработаны 27 моделей для прогнозирования интенсивности боли, ее влияния и качества жизни у 80 молодых людей с СРК.
2
Характеристики микробиоты кишечника и пищевого рациона также стабильно повышали точность прогнозирования, поддерживая персонализацию самопомощи до начала лечения.
3
Механический болевой порог преимущественно предсказывал интенсивность боли, тогда как катастрофизация боли и другие психосоциальные факторы предсказывали влияние боли и качество жизни.
4
Модели показали высокую эффективность: площадь под ROC-кривой составила от 0,753 до 0,981.
5
Полиморфизм COMT rs4680 был ведущим предиктором и вошел в 26 моделей, за ним следовал ADRA1D rs1556832, вошедший в 24 модели.

Боль и ответ на лечение у молодых взрослых с синдромом раздражённого кишечника

Многодоменные предикторы и фенотипирование с помощью машинного обучения для оценки тяжести боли, её влияния на повседневную жизнь, качества жизни и индивидуального ответа на вмешательства по самоуправлению

Publication Details
Publication Date
2025-10-08
Journal
Publisher
ISSN
Cited by
2
Access Type
Author Information
Authors
Angela Renee Starkweather
Xiaomei S. Cong
Jie Chen
Tingting Zhao
Ming‐Hui Chen
Wanli Xu
A.M. Li
Weizi Wu
Leonel Rodriguez
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%