研究人员分析大数据，旨在提高肺部疾病的精准治疗

匹兹堡大学的科学家通过开发新的计算工具，正在调查慢性阻塞性肺病(COPD)的病因和进展。慢性阻塞性肺病是美国第三大死因。

跨学科团队的总体目标的医学院和学校的计算和信息是学习组合遗传、环境和生活方式因素引起不同形式的慢性阻塞性肺病,说科首席研究员帕诺什·朔(塔),教授和副主席医学院教员事务的计算和系统生物学。

Benos将与内科肺、过敏和重症医学部的联合首席研究员Frank Sciurba一起开发新的机器学习方法，并分析大量数据，以了解COPD患者肺功能下降和肺气肿进展的相关因素。该团队已获得美国国立卫生研究院(National Institutes of Health)国家心肺血液研究所(NHLBI)为该项目提供的180万美元资助。

本研究不仅可以使COPD得到更好的治疗;贝诺斯说，这种方法还可以通过确定可能影响其医疗状况的复杂因素的相互作用，使患有其他疾病的患者受益。

虽然症状可以治疗，但慢性阻塞性肺病无法治愈，而且会随着时间的推移而恶化。它会导致进行性呼吸相关问题，包括肺气肿和慢性支气管炎。慢性阻塞性肺病通常是由于长期暴露于烟雾、工业粉尘和化学烟雾等肺部刺激物引起的，每17个美国人中就有一个患有慢性阻塞性肺病。

Sciurba说，患者的症状和病情发展各不相同，“目前还不清楚为什么有些患者的病情发展得比其他人快。”

Benos的团队开发了因果推理算法，这是一种特殊的类型，它使用数据来学习和预测混合数据类型。

该研究团队将使用一种名为CausalMGM(因果混合图形模型)的算法，分析美国国家研究所(national institute)精准医疗数据库中的1万名COPD患者的数据，以及至少6年来从数百名Sciurba患者收集的临床数据。

该算法将通过计算与信息学院(School of Computing and Information)的教员帕诺斯·克里萨尼斯(Panos Chrysanthis)设计的一个基于云的界面，让其他研究人员可以在线使用。

“这具有巨大的预测价值，”Sciurba说，并指出这些联系可能为开发新的、更个性化的治疗方法指明道路，使医生能够更好地就控制或减缓疾病进展的策略向患者提供建议。

这些发现是第一个精确治疗的例子，这是唯一有效的一个亚组患者的治疗难治性慢性阻塞性肺病。

弗兰克·休尔巴，联合首席研究员

有了这些数据，医生就可以针对受益最大的患者进行更个性化的治疗。

“通过更仔细地观察个体之间表现的差异，我们希望能够确定哪些方面可以预测那些症状进展风险最大或死亡风险最大的患者。”这将使我们能够针对那些风险最大的患者进行更精确的治疗。”

皮特团队的三年格兰特是只有5的研究所颁发在2017财政年度发展的新方法来分析临床资料和细胞和分子数据包括遗传因素、基因表达和血液循环蛋白相关引起的心脏,肺,血液和睡眠障碍。

Sciurba最近的其他研究也关注于这种精确处理。今年9月，Sciurba公布了两项国际试验的结果，发现抗体治疗可使一组难治性COPD患者的突发事件发生率降低近20%。该研究结果发表在2017年在意大利米兰举行的欧洲呼吸学会国际大会上，并同时发表在《新英格兰医学杂志》上。

Sciurba说:“这些发现是精确治疗的第一个例子，这种治疗方法对一群患有难治性慢性阻塞性肺病(COPD)的患者特别有效。”