Eng
首頁 / 生命科學 / 「AI醫學科學家」首篇分析漸凍症(ALS)之相關共病症

「AI醫學科學家」首篇分析漸凍症(ALS)之相關共病症

【本報導由健康促進與衛生教育學系 李子奇教授研究團隊提供】

背景與目的:探討疾病的共病症對研究疾病成因會有幫助。肌萎縮性脊髓側索硬化症(ALS)為一種致死性很高的重大疾病,其成因仍不清楚。本研究利用醫學資料庫探討與ALS有相闗性的疾病。

方法:本研究納入2007年1月1日至2013年12月31日新診斷的705位年齡在15歲以上的ALS患者,以及14,100位性別、年齡、投保單位城鄉別、投保薪資匹配的對照組。研究資料來自全民健康保險研究資料庫和重大傷病檔,研究設計為全人口病例對照研究。ALS初診日前經醫師診斷的共病症分別以首次ALS診斷1、3、5、7或9年之前的觀察期間進行分析。卡方檢定或t檢定用於檢驗ALS患者與對照組之間人口統計學差異。使用條件邏輯斯廻歸模型及逐步篩選法探討這些疾病和ALS風險之間的關係。路徑分析以評估ALS初診日前的共病症和ALS之間的關係路徑。

結果:ALS與28種ALS初診日前的共病症有相關,包括17種正相關和11種負相關共病症。路徑分析顯示這11種負相關疾病可歸類為糖尿病及其併發症。17種正相關疾病可歸類為代謝綜合症、神經炎症、頭部外傷、運動損傷、感染及其併發症。

結論:本研究的結果支持ALS診斷之前出現了代謝異常疾病的假說。代謝紊亂可能影響ALS的發病率,能量代謝缺陷可能在ALS發病機理中起作用。


 

  人為什麼會得某一種重大疾病? 這問題困擾了人類數千年,許多醫學科學家畢其一生都在尋找這個問題的答案,他們的努力使得醫學知識漸漸地累積;但許多重大且致死性很高的疾病,其成因至今仍不清楚,甚至沒有治療方法。本研究團隊利用大數據資料庫與自行研發的統計分析程式(序),嘗試以機器學習的方式提供疾病成因的資訊,期望給醫學科學家們新的研究方向參考,加速對特定疾病成因的瞭解及新療法的發展。

  但如何証明本篇研究的分析程式(序)是正確有效的呢? 除了在理論及方法學的探究以外,直接將我們的分析程式(序)應用在定疾病成因的探索上,便能初步驗証分析程式(序)的有效性。新的機器學習分析程式(序)所自動產生的結果,必須大部份符合已有的醫學知識,新發現的資訊也必須合乎基礎醫學理論。本篇研究是一系列「AI醫學科學家」驗証論文的第一篇:肌萎縮性脊髓側索硬化症(ALS),俗稱漸涷人的共病症關聯網絡分析(1)。類似的分析程式(序)也成功在晚發型阿茲海默症得到印証(2),大腸癌、胰臟癌、全身性紅斑狼瘡、類風濕性關節炎等疾病的驗証結果正在投稿審查中。

  本研究納入2007年1月1日至2013年12月31日新診斷的705位年齡在15歲以上的ALS患者,以及14,100位性別、年齡、投保單位城鄉別、投保薪資匹配的對照組。研究資料來自全民健康保險研究資料庫和重大傷病檔,研究設計為全人口病例對照研究。ALS初診日前經醫師診斷的共病症分別以首次ALS診斷1、3、5、7或9年之前的觀察期間進行分析。卡方檢定或t檢定用於檢驗ALS患者與對照組之間人口統計學差異。使用條件邏輯斯廻歸模型及逐步篩選法探討這些疾病和ALS風險之間的關係。路徑分析用以評估ALS初診日前的共病症和ALS之間的關係路徑。

  ALS與28種ALS初診日前的共病症有相關,包括17種正相關和11種負相關共病症。路徑分析顯示這11種負相關疾病可歸類為糖尿病及其併發症。17種正相關疾病可歸類為代謝綜合症、神經炎症、頭部外傷、運動損傷、感染及其併發症(圖一)。

  本研究的結果支持ALS診斷之前出現了代謝異常疾病的假說。代謝紊亂可能對ALS的發病率有影響,能量代謝缺陷可能在ALS發病機理中起作用。

 


圖一:與肌萎縮性脊髓側索硬化症ALS)相關的先前疾病路徑分析模型。 紅線和藍線表示正相關(728、354、783、333、353、920、434、722、357、355、356、682和717)和負相關(250、709、521、532、536、414,382,V67和924)。 國際疾病分類碼,第九次修訂代碼顯示在方框中。

 

 

文章出處:https://www.tandfonline.com/doi/abs/10.1080/21678421.2018.1522354

參考文獻: 

  1. TSAI C. P., HU C., LEE C. T. Finding diseases associated with amyotrophic lateral sclerosis: a total population-based case-control study, Amyotrophic lateral sclerosis & frontotemporal degeneration 2019: 20: 82-89
  2. LIAO J. Y., LEE C. T., LIN T. Y., LIU C. M. Exploring prior diseases associated with incident late-onset Alzheimer's disease dementia, PloS one 2020: 15: e0228172 

 

李子奇 教授 | 健康促進與衛生教育學系

李子奇教授使用大型衛生資料庫進行研究,已發表列名第一或通訊作者SCI/SSCI大數據統計分析論文達50篇以上,其中有部份論文刊登於JAMA network, British Journal of Psychiatry等知名學術期刊。李教授的研究興趣在於開發大數據統計分析程式,結合自行研發的高效率分析程式、流行病學與基因體學的研究方法,並以實際資料庫進行分析程式的驗証,實証醫學資料庫在嚴謹的方法學架構下的臨床醫學研究潛力。