事件概述 相关报道显示，研究建立多模态多组学机器学习（MMM）框架，整合国际自然史研究（n=310）、疾病评分量表（CoPLAN-DRS）、纵向神经影像与多组学生物标志物数据，并应用于PLA2G6相关神经变性（PLAN）。结果提示可估计生存与失去行走能力时间，并识别多种与疾病进展相关的临床/影像/体液标志物（如Nicastrin、神经丝轻链），同时将数据汇总为“数字疾病仪表盘”以支持疾病严重度可视化与纵向追踪。 这类研究的意义不只在于提出新的疾病认识，也在于为早筛、分层诊疗和随访管理提供更具体的检测依据。 产业观察 前沿医学研究会持续推动检测技术、临床分层和疾病管理方式的变化。 文章来源 https://www.medrxiv.org/content/10.64898/2026.07.21.26358463v1 |
/3 
浙公网安备33010802005999号 
