Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Lo studio di approfondimento conferma il successo della prova fisiologica per autismo

Un anno dopo che i ricercatori hanno pubblicato la loro opera su una prova fisiologica per autismo, uno studio di approfondimento conferma il suo successo eccezionale nella valutazione se un bambino è sullo spettro di autismo. Una prova fisiologica che supporta il trattamento diagnostico di un clinico ha il potenziale di abbassare l'età a cui i bambini sono diagnosticati, piombo al trattamento precedente. Risultati dello studio, che usa un algoritmo per predire se un bambino ha disordine di spettro di autismo (ASD) basato sui metaboliti in un campione di sangue,

“Abbiamo esaminato i gruppi di bambini con l'indipendente di ASD dal nostro studio precedente ed abbiamo avuti simile successo. Possiamo predire con 88 per cento di accuratezza se i bambini hanno autismo,„ abbiamo detto Juergen Hahn, autore principale, sistemi biologo, professore, capo del dipartimento di Rensselaer Polytechnic Institute di assistenza tecnica biomedica e membro del centro di Rensselaer per biotecnologia e gli studi interdisciplinari (CBIS). “Questo estremamente sta promettendo.„

È stimato che circa 1,7 per cento di tutti i bambini siano diagnosticati con ASD, caratterizzato come “inabilità inerente allo sviluppo causata tramite le differenze nel cervello,„ secondo il centri per il controllo e la prevenzione delle malattie. La diagnosi precoce si riconosce generalmente per piombo per migliorare i risultati mentre i bambini si impegnano nei servizi iniziali di intervento e una diagnosi di ASD è possibile a 18-24 mesi dell'età. Tuttavia, perché la diagnosi dipende solamente dalle osservazioni cliniche, la maggior parte dei bambini non sono diagnosticati con ASD fino a dopo 4 anni.

Piuttosto che la ricerca di solo indicatore di ASD, l'approccio Hahn sviluppato usa le grandi tecniche di dati per cercare i reticoli in metaboliti relativi a due ha connesso le vie cellulari (una serie di interazioni fra le molecole che funzione delle cellule di controllo) con i collegamenti sospettati a ASD.

“Il lavoro di Juergen nello sviluppare una prova fisiologica per autismo è un esempio di come l'interfaccia interdisciplinare di scienza-assistenza tecnica di vita a Rensselaer porta le nuove prospettive e le soluzioni per migliorare le sanità,„ ha detto Deepak Vashishth, Direttore di CBIS. “Questo è un grande risultato dalla più grande enfasi su Alzheimer e dalle malattie neurodegenerative a CBIS, dove il nostro lavoro unisce gli approcci multipli per sviluppare i migliori strumenti diagnostici e terapeutica di biomanufacture la nuova.„

Il successo iniziale nel 2017 ha analizzato i dati da un gruppo di 149 persone, circa la metà di cui precedentemente era stato diagnosticato con ASD. Per ogni membro del gruppo, Hahn ha ottenuto i dati su 24 metaboliti relativi alle due vie cellulari--il ciclo della metionina e la via di transsulfuration. Deliberatamente omettendo i dati da una persona nel gruppo, Hahn ha sottoposto il gruppo di dati restante alle tecniche avanzate dell'analisi ed ha usato i risultati per generare un algoritmo premonitore. L'algoritmo poi ha fatto una previsione circa i dati dalla persona omessa. Hahn inter-ha convalidato i risultati, operazione swap una persona differente dal gruppo e ripetenti il trattamento per tutti e 149 i partecipanti. Il suo metodo ha identificato correttamente 96,1 per cento di tutti i partecipanti tipico di sviluppo e 97,6 per cento del gruppo di ASD.

I risultati erano impressionanti e creato, ha detto Hahn, un nuovo scopo: “Possiamo ripieghiamo questo?„

Il nuovo studio applica l'approccio di Hahn ad un gruppo di dati indipendente. Per evitare il lungo trattamento di riunire i nuovi dati con i test clinici, Hahn ed il suo gruppo hanno cercato i gruppi di dati attuali che hanno incluso i metaboliti che aveva analizzato nello studio originale. I ricercatori identificati si appropriano i dati da tre studi differenti che hanno incluso complessivamente 154 bambini con autismo condotto dai ricercatori all'istituto di ricerca dei bambini dell'Arkansas. I dati hanno incluso soltanto 22 dei 24 metaboliti che ha usato per creare l'algoritmo premonitore originale, comunque Hahn ha determinato le informazioni disponibili sarebbe stato sufficiente per la prova.

Il gruppo ha usato il loro approccio per ricreare l'algoritmo premonitore, questo volta facendo uso dei dati dei 22 metaboliti dal gruppo originale di 149 bambini. L'algoritmo poi si è applicato al nuovo gruppo di 154 bambini a fini di prova. Quando l'algoritmo premonitore si è applicato ad ogni persona, ha predetto correttamente l'autismo con 88 per cento di accuratezza.

Hahn ha detto che la differenza fra la tariffa di accuratezza originale e quella di nuovo studio può probabilmente essere attribuita a parecchi fattori, essere più importante che due dei metaboliti erano non disponibili nel secondo gruppo di dati. Ciascuno dei due metaboliti era stato forti indicatori nello studio precedente.

In generale, il secondo studio convalida i risultati originali e fornisce le comprensioni in parecchie varianti sull'approccio.

“Il risultato più significativo è l'alto livello di accuratezza che possiamo verificarci facendo uso di questo approccio sugli anni raccolti dati oltre al gruppo di dati originale,„ ha detto Hahn. “Questo è un approccio che vorremmo vedere entrare in avanti nei test clinici ed infine in una prova disponibile nel commercio.„