DOI: https://doi.org/10.1093/ejendo/lvaf052
PMID: https://pubmed.ncbi.nlm.nih.gov/40105001
تاريخ النشر: 2025-03-19
المؤلف: Smarti Reel وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تتناول ورقة البحث القضية المهمة لارتفاع ضغط الدم، الذي يؤثر على حوالي ثلث البالغين، مع التركيز على التمييز بين ارتفاع ضغط الدم الأساسي (PHT) وارتفاع ضغط الدم الغدي (EHT). بينما يشكل PHT حوالي 90% من حالات ارتفاع ضغط الدم، فإن EHT، الناتج عن حالات مثل الألدستيرونية الأولية، ومتلازمة كوشينغ، والورم الكروموفيني، يمثل حوالي 10%. يمكن أن يؤدي التشخيص الخاطئ لـ EHT كـ PHT إلى تأخير العلاج واستراتيجيات إدارة غير فعالة. تستكشف الدراسة إمكانية استخدام الميكروRNAs (miRNAs) المتداولة كعلامات حيوية للتفريق بين هذه الأنواع الفرعية من ارتفاع ضغط الدم، نظرًا لسهولة أخذ العينات وارتباطها بحالات المرض.
تشير النتائج إلى أن نهج التعلم الآلي (ML)، الذي يستخدم تركيبات من خمسة أمراض وثمانية مصنفات خاضعة للإشراف، يمكن أن يتنبأ بفعالية بأنواع ارتفاع ضغط الدم المختلفة بناءً على بيانات الميكروRNA المتداولة. أظهرت الدراسة نتائج تصنيف واعدة وحددت مجموعة مختصرة من الميزات التي قد تعمل كعلامات حيوية رسمية لاكتشاف ارتفاع ضغط الدم. للتحقق من هذه النتائج، يقوم المؤلفون بإجراء دراسة مستقبلية على مستويات الميكروRNA المتداولة في مرضى EHT، بهدف تأكيد الفائدة التشخيصية لهذه العلامات الحيوية وقابليتها للتكرار عبر مجموعات سكانية مختلفة.
مقدمة
يؤثر ارتفاع ضغط الدم على حوالي ثلث البالغين، مع تصنيف 85%-95% من الحالات على أنها ارتفاع ضغط الدم الأساسي (PHT). تُعزى الحالات المتبقية إلى اضطرابات غدية مختلفة مثل الألدستيرونية الأولية (PA)، ومتلازمة كوشينغ (CS)، والورم الكروموفيني أو الورم الجانبي (PPGL)، مما يقدم تحديات تشخيصية وعلاجية. إن تحديد علامات حيوية تشخيصية جديدة، وخاصة الميكروRNAs (miRNAs)، أمر بالغ الأهمية لتحسين دقة وفعالية العلاج. أشارت الأبحاث السابقة إلى أن الميكروRNAs تلعب دورًا كبيرًا في تنظيم التعبير الجيني وقد تعمل كعلامات حيوية قيمة في ارتفاع ضغط الدم، مع ظهور مستويات مرتفعة من ميكروRNAs محددة مثل hsa-miR-21 و hsa-miR-510 في المرضى الذين يعانون من ارتفاع ضغط الدم.
تستند هذه الدراسة إلى التقدمات الحديثة في التعلم الآلي (ML) لاكتشاف العلامات الحيوية، خاصة في سياق الأنواع الفرعية من ارتفاع ضغط الدم الغدي (EHT). يفترض المؤلفون أن هناك ملفات تعريف متميزة من الميكروRNAs المتداولة بين المرضى الذين يعانون من PA وPPGL وCS. باستخدام مجموعة بيانات من مشروع ENS@T-HT، الذي يدمج بيانات أوميكس المختلفة، تهدف الدراسة إلى تصنيف المرضى الذين يعانون من ارتفاع ضغط الدم إلى مجموعات محددة (PA وPPGL وCS وPHT) باستخدام طرق ML خاضعة للإشراف. ستركز التحليلات على دقة التصنيف، والخصوصية، والحساسية للنماذج، بالإضافة إلى تحديد ميزات الميكروRNA الرئيسية التي تميز بين أنواع ارتفاع ضغط الدم، بهدف تطوير اختبار سريري يعتمد على العلامات الحيوية للميكروRNA المتداولة.
طرق
تحدد قسم “الطرق” في ورقة البحث المواد والإجراءات المستخدمة في الدراسة. توضح الإعدادات التجريبية المحددة، بما في ذلك أنواع المواد المستخدمة، والظروف التي أجريت فيها التجارب، والمنهجيات المطبقة لجمع البيانات وتحليلها. يبرز القسم أهمية القابلية للتكرار والدقة في التصميم التجريبي، مما يضمن إمكانية التحقق من النتائج من قبل باحثين آخرين.
بالإضافة إلى ذلك، قد تشمل الطرق تقنيات إحصائية مستخدمة لتحليل البيانات، مثل نماذج الانحدار أو اختبار الفرضيات، لتقييم أهمية النتائج. بشكل عام، يعد هذا القسم أساسًا حاسمًا لفهم كيفية إجراء البحث ويدعم صحة الاستنتاجات المستخلصة في الدراسة.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي أجريت. يوضح نتائج الدراسة، مع تسليط الضوء على الاتجاهات المهمة، أو الارتباطات، أو الأنماط التي لوحظت في البيانات. غالبًا ما تكون النتائج مصحوبة بتحليلات إحصائية، بما في ذلك قيم p أو فترات الثقة، للتحقق من النتائج.
بالإضافة إلى ذلك، يتم الإشارة إلى أي أشكال أو جداول أو رسوم بيانية ذات صلة لتوضيح النتائج بصريًا، مما يوفر فهمًا أوضح للبيانات. قد يناقش القسم أيضًا تداعيات هذه النتائج فيما يتعلق بفرضية البحث أو الأدبيات الموجودة، مع التأكيد على مساهمتها في مجال الدراسة. بشكل عام، يعمل هذا القسم على نقل الأدلة التجريبية التي تدعم استنتاجات البحث.
مناقشة
في هذه الدراسة، تم استخدام خط أنابيب التعلم الآلي (ML) الخاضع للإشراف لتصنيف ارتفاع ضغط الدم الأساسي (EHT) وأنواعه الفرعية—الألدستيرونية الأولية (PA)، والورم الكروموفيني والورم الجانبي (PPGL)، ومتلازمة كوشينغ (CS)—من ارتفاع ضغط الدم الأساسي (PHT) باستخدام بيانات الميكروRNA (miRNA) المتداولة. شملت التحليلات 330 مريضًا، مع التركيز على تحديد أفضل علامات الميكروRNA المميزة من خلال عملية اختيار ميزات صارمة، والتي تضمنت طريقة بوروتا واستبعاد القيم الشاذة. أشارت النتائج إلى أن الميكروRNAs المتداولة، وخاصة hsa-miR-15a-5p و hsa-miR-32-5p، كانت مهمة لتمييز بين أنواع المرض، محققة دقة متوازنة بنسبة 89% لـ EHT مقابل PHT و85% لـ PPGL مقابل PHT.
كما أبرزت الدراسة أهمية التركيبة السكانية للمرضى، حيث أظهرت أن المرضى الإناث والمرضى الأكبر سنًا أظهروا دقة تصنيف أعلى. من الجدير بالذكر أن النتائج تشير إلى أن الميكروRNAs المتداولة يمكن أن تعمل كعلامات حيوية قيمة لتشخيص الأنواع الفرعية من EHT، على الرغم من أن الدراسة تعترف بالقيود مثل حجم العينة الصغيرة لـ CS. يؤكد المؤلفون على الحاجة إلى مزيد من التحقق في دراسات مستقبلية أكبر لتأكيد الفائدة التشخيصية لهذه العلامات الحيوية وقابليتها للتكرار عبر مجموعات سكانية مختلفة. بشكل عام، تسهم هذه الأبحاث في فهم دور الميكروRNA في ارتفاع ضغط الدم وتقترح نهجًا جديدًا لتصنيفه باستخدام تقنيات ML.
DOI: https://doi.org/10.1093/ejendo/lvaf052
PMID: https://pubmed.ncbi.nlm.nih.gov/40105001
Publication Date: 2025-03-19
Author(s): Smarti Reel et al.
Primary Topic: Artificial Intelligence in Healthcare
Overview
The research paper addresses the significant issue of hypertension, which affects approximately one-third of adults, with a focus on the distinction between primary hypertension (PHT) and endocrine hypertension (EHT). While PHT constitutes about 90% of hypertension cases, EHT, resulting from conditions like primary aldosteronism, Cushing’s syndrome, and pheochromocytoma, accounts for roughly 10%. The misdiagnosis of EHT as PHT can lead to delayed treatment and ineffective management strategies. The study explores the potential of circulating microRNAs (miRNAs) as biomarkers for differentiating between these hypertension subtypes, given their ease of sampling and correlation with disease states.
The findings indicate that a machine learning (ML) approach, utilizing combinations of five diseases and eight supervised classifiers, can effectively predict various hypertension subtypes based on circulating miRNA data. The study demonstrated promising classification results and identified a reduced set of features that may serve as formal biomarkers for hypertension detection. To validate these results, the authors are conducting a prospective study on circulating miRNA levels in EHT patients, aiming to confirm the diagnostic utility of these biomarkers and their reproducibility across different populations.
Introduction
Hypertension affects approximately one-third of adults, with 85%-95% of cases classified as primary hypertension (PHT). The remaining cases, attributed to various endocrine disorders such as primary aldosteronism (PA), Cushing’s syndrome (CS), and pheochromocytoma or paraganglioma (PPGL), present diagnostic and treatment challenges. The identification of novel diagnostic biomarkers, particularly microRNAs (miRNAs), is crucial for improving treatment specificity and efficacy. Previous research has indicated that miRNAs play a significant role in regulating gene expression and may serve as valuable biomarkers in hypertension, with specific miRNAs like hsa-miR-21 and hsa-miR-510 showing elevated levels in hypertensive patients.
This study builds on recent advancements in machine learning (ML) for biomarker discovery, particularly in the context of endocrine hypertension (EHT) subtypes. The authors hypothesize that distinct circulating miRNA profiles exist among patients with PA, PPGL, and CS. Utilizing a dataset from the ENS@T-HT project, which integrates various omics data, the study aims to classify hypertensive patients into specific groups (PA, PPGL, CS, and PHT) using supervised ML methods. The analysis will focus on the classification accuracy, specificity, and sensitivity of the models, as well as identifying key miRNA features that differentiate between hypertension subtypes, ultimately aiming to develop a clinical test based on circulating miRNA biomarkers.
Methods
The “Methods” section of the research paper outlines the materials and procedures employed in the study. It details the specific experimental setup, including the types of materials used, the conditions under which experiments were conducted, and the methodologies applied for data collection and analysis. The section emphasizes the importance of replicability and precision in the experimental design, ensuring that the results can be validated by other researchers.
Additionally, the methods may include statistical techniques utilized for data analysis, such as regression models or hypothesis testing, to assess the significance of the findings. Overall, this section serves as a critical foundation for understanding how the research was conducted and supports the validity of the conclusions drawn in the study.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant trends, correlations, or patterns observed in the data. The results are often accompanied by statistical analyses, including p-values or confidence intervals, to validate the findings.
Additionally, any relevant figures, tables, or graphs are referenced to illustrate the results visually, providing a clearer understanding of the data. The section may also discuss the implications of these findings in relation to the research hypothesis or existing literature, emphasizing their contribution to the field of study. Overall, this section serves to communicate the empirical evidence supporting the research conclusions.
Discussion
In this study, a supervised machine learning (ML) pipeline was utilized to classify essential hypertension (EHT) and its subtypes—primary aldosteronism (PA), pheochromocytoma and paraganglioma (PPGL), and Cushing’s syndrome (CS)—from primary hypertension (PHT) using circulating microRNA (miRNA) data. The analysis involved 330 patients, with a focus on identifying top discriminating miRNA biomarkers through a rigorous feature selection process, which included the Boruta method and outlier exclusion. The results indicated that circulating miRNAs, particularly hsa-miR-15a-5p and hsa-miR-32-5p, were significant for distinguishing between the disease types, achieving balanced accuracies of 89% for EHT vs. PHT and 85% for PPGL vs. PHT.
The study also highlighted the importance of patient demographics, revealing that female and older patients exhibited higher classification accuracies. Notably, the findings suggest that circulating miRNAs could serve as valuable biomarkers for diagnosing EHT subtypes, although the study acknowledges limitations such as the small sample size for CS. The authors emphasize the need for further validation in larger, prospective studies to confirm these biomarkers’ diagnostic utility and reproducibility across different populations. Overall, this research contributes to the understanding of miRNA’s role in hypertension and proposes a novel approach for its classification using ML techniques.