SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:gup.ub.gu.se/284840"
 

Sökning: onr:"swepub:oai:gup.ub.gu.se/284840" > Virtual genetic dia...

Virtual genetic diagnosis for familial hypercholesterolemia powered by machine learning.

Pina, Ana (författare)
Helgadottir, Saga (författare)
Gothenburg University,Göteborgs universitet,Institutionen för fysik (GU),Department of Physics (GU)
Mancina, Rosellina Margherita (författare)
Gothenburg University,Göteborgs universitet,Wallenberglaboratoriet,Wallenberg Laboratory
visa fler...
Pavanello, Chiara (författare)
Pirazzi, Carlo (författare)
Montalcini, Tiziana (författare)
Henriques, Roberto (författare)
Calabresi, Laura (författare)
Wiklund, Olov, 1943 (författare)
Gothenburg University,Göteborgs universitet,Wallenberglaboratoriet,Wallenberg Laboratory
Macedo, Ma Pula (författare)
Valenti, Luca (författare)
Volpe, Giovanni, 1979 (författare)
Gothenburg University,Göteborgs universitet,Institutionen för fysik (GU),Department of Physics (GU)
Romeo, Stefano, 1976 (författare)
Gothenburg University,Göteborgs universitet,Wallenberglaboratoriet,Institutionen för medicin, avdelningen för molekylär och klinisk medicin,Wallenberg Laboratory,Institute of Medicine, Department of Molecular and Clinical Medicine
visa färre...
 (creator_code:org_t)
2020-02-04
2020
Engelska.
Ingår i: European journal of preventive cardiology. - : Oxford University Press (OUP). - 2047-4881 .- 2047-4873. ; 27:15, s. 1639-1646
Relaterad länk:
https://gup.ub.gu.se...
visa fler...
https://doi.org/10.1...
visa färre...
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Familial hypercholesterolemia (FH) is the most common genetic disorder of lipid metabolism. The gold standard for FH diagnosis is genetic testing, available, however, only in selected university hospitals. Clinical scores - for example, the Dutch Lipid Score - are often employed as alternative, more accessible, albeit less accurate FH diagnostic tools. The aim of this study is to obtain a more reliable approach to FH diagnosis by a "virtual" genetic test using machine-learning approaches.We used three machine-learning algorithms (a classification tree (CT), a gradient boosting machine (GBM), a neural network (NN)) to predict the presence of FH-causative genetic mutations in two independent FH cohorts: the FH Gothenburg cohort (split into training data (N=174) and internal test (N=74)) and the FH-CEGP Milan cohort (external test, N=364). By evaluating their area under the receiver operating characteristic (AUROC) curves, we found that the three machine-learning algorithms performed better (AUROC 0.79 (CT), 0.83 (GBM), and 0.83 (NN) on the Gothenburg cohort, and 0.70 (CT), 0.78 (GBM), and 0.76 (NN) on the Milan cohort) than the clinical Dutch Lipid Score (AUROC 0.68 and 0.64 on the Gothenburg and Milan cohorts, respectively) in predicting carriers of FH-causative mutations.In the diagnosis of FH-causative genetic mutations, all three machine-learning approaches we have tested outperform the Dutch Lipid Score, which is the clinical standard. We expect these machine-learning algorithms to provide the tools to implement a virtual genetic test of FH. These tools might prove particularly important for lipid clinics without access to genetic testing.

Ämnesord

MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Kardiologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Cardiac and Cardiovascular Systems (hsv//eng)

Nyckelord

Familial hypercholesterolemia
cardiovascular disease
dyslipidemia; machine learning
prediction model

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy