通过机器学习与人工智能发展肿瘤症状综合数字精准医学
基因组学
2025-06-23 v1 机器学习
摘要
我们研究了一个普遍问题：慢性疾病如慢性疲劄综合征（ME/CFS）和长期新冠病症具有高度异质性，致因和发展过程多因素构成，导致诊断和治疗复杂化。为此，我们开发了BioMapAI，一个基于最丰富纵向多组学数据集的可解释深度学习框架，用于ME/CFS。该数据集包括肠道宏基因组、血浆代谢组、免疫谱系、血液实验室检查和临床症状。通过将多组学数据与症状矩阵相连接，BioMapAI识别出疾病和症状特异性生物标志物，重建症状，并实现疾病分类的国际前沿水平精准度。我们还创建了这些组学在健康和疾病状态下的首个连接图，揭示了微生物组-免疫-代谢组之间的相互作用如何从健康状态转变为ME/CFS。
引用
@article{arxiv.2506.15761,
title = {Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence},
author = {Ruoyun Xiong},
journal= {arXiv preprint arXiv:2506.15761},
year = {2025}
}