数据驱动的生物标志物的发现铺平方法改善了接触过敏的诊断

在算法的帮助下，瑞典卡罗林斯卡学院(Karolinska institute)的研究人员已经识别出区分刺激性湿疹和接触性过敏的标记，这两种皮肤反应看起来相似，但需要不同的治疗。他们的研究结果发表在该杂志上美国国家科学院学报，支持进一步开发替代目前的诊断补丁测试。

高收入国家约20%的人口受到接触的影响湿疹，疾病通常与工作环境中的化学品暴露有关。有两种类型的联系湿疹，每个都具有自己的原因：过敏触点湿疹，这是由过敏反应引起的;和非过敏性刺激性湿疹，由化学试剂或物理因素引起。

由于这两种类型需要不同的处理，重要的是正确的诊断是由。这对皮肤科医生来说是困难的，因为这些疾病呈现相似的临床症状。诊断通常是基于补丁测试的结果，而补丁测试通常很难解释，有时会给出假阳性或假阴性结果。

在这项研究中，卡罗林斯卡研究所的研究人员和来自芬兰和奥地利大学的同事们对比了85名接触性湿疹患者和健康皮肤样本的贴片测试基因表达在皮肤暴露于不同的过敏原和刺激物。

使用与量身定制的遗传算法相关的机器学习技术，研究人员确定了两种或三种基因的组合可以区分刺激物免于过敏性皮肤反应。结果在一组独立的患者和外部数据集中是可复制的。外部数据集包括暴露于不同物质的患者，而不是第一个组的患者，该患者为新的生物标志物奠定了基础。

“我们的研究结果表明，基于这些生物标志物的新诊断方法的开发存在相当大的潜力，”Company医学研究所，研究员和集团领导人Karolinska Institutet。“该项目的下一步需要更广泛的临床验证方法和方法的技术优化，以获得足够的成本效益和速度达到临床目的。”

---

---