패혈증의 면역 상태를 정량화하기 위한 데이터 기반 접근 방식

본 연구는 데이터 시각화 및 3D 수치 피팅을 사용하여 WBC, 림프구 및 호중구 간의 관계를 분석하여 패혈증의 면역 상태를 정량화합니다. 우리는 수학적 제약을 확립하고 뚜렷한 면역 상태를 식별하여 질병 모니터링 및 치료 전략을 개선하는 것을 목표로 합니다. 안정된 패혈증에서 산 매개 변수 면역 모니터의 개발 초점을 설정합니다.

우리의 접근 방식에는 면역 상태를 정량화하기 위한 기계 학습과 결합된 패혈증 수학적 모델 라인이 포함되며, 기존의 단변량을 넘어 조언하고, 감염 지표 및 장기 기능 장애 마커를 분석합니다. 주요 기술에는 희미한 지도의 관계, 구름 서버용 FOFM 등 세 가지 데모 데이터가 포함됩니다. 수치 페이딩 방법 및 단계별 대화형 시각화.

이를 통해 뉴모실 관계와 상태 식별에 대한 정성적 분석을 할 수 있습니다. 주로 다양한 환자 집단에 대한 표준 밀도 데이터 수집이 가장 큰 과제입니다. 가치 연대측정, 수동 연대측정, 허구, 패혈증 면역 반응의 역학적 특성을 정확하게 포착하는 견고한 수학적 금속 개발.

나머지 면역 상태 검증의 경우, 더 큰 코호트에서 클래스 애정을 검증합니다. 다른 마커와의 데이터 관계를 투자하고 면역 궤적을 기반으로 질병 진행에 대한 예측 금속을 개발합니다. 시작하려면 데스크톱 컴퓨터에서 Microsoft Excel 프로그램을 시작합니다.

리본의 삽입 아이콘으로 이동하여 더 많은 명령을 클릭하고 추가 기능 섹션에서 추가 기능 가져오기를 클릭합니다. Office 추가 기능 대화 상자의 검색창에서 MATLAB 스프레드시트 링크를 검색합니다. 검색 결과에서 Excel Add-in에 대한 MATLAB 스프레드시트 링크를 찾아 이동 버튼을 클릭합니다.

스프레드시트 링크를 활성화하고 추가 기능에 대한 코드를 업로드합니다. 그런 다음 MATLAB 스프레드시트 링크 탭을 클릭하여 추가 기능을 사용할 준비가 되었는지 확인합니다. 패혈증 정량화를 위해 데이터를 가져오려면 백혈구 수, 림프구 수, 호중구 수를 포함하는 패혈증 환자 데이터가 포함된 스프레드시트를 엽니다.

다음으로, 백혈구 수, 림프구 수 및 호중구 수를 포함하는 세포의 범위를 선택합니다. Excel 리본에서 MATLAB 스프레드시트 링크 탭을 클릭하고 MATLAB으로 데이터 보내기 버튼을 클릭합니다. 그런 다음, 여러 인스턴스가 실행 중인 경우 MATLAB으로 데이터 보내기 대화 상자의 드롭다운 메뉴에서 적절한 MATLAB 인스턴스를 선택합니다.

변수 이름 필드에 데이터의 변수 이름을 지정하고 확인을 누릅니다. MATLAB에서 가져온 데이터의 내용을 확인하고 Enter 키를 누릅니다. 시작하려면 컴퓨터 시스템에서 MATLAB 응용 프로그램을 실행합니다.

MATLAB에서 함수 immune_scatter 3A를 호출하며, 여기서 A는 패혈증 환자의 면역 데이터를 저장하는 변수입니다. 이렇게 하면 샘플의 3차원 산점도를 표시하는 GUI 또는 그래픽 사용자 인터페이스가 생성됩니다. 3D 산점도를 탐색하려면 플롯을 클릭하고 끌어 3차원 공간에서 회전합니다.

마우스 오른쪽 버튼을 클릭하고 드래그하여 수평 또는 수직으로 이동하거나, 마우스 휠 또는 도구 모음 컨트롤을 사용하여 특정 영역을 확대 또는 축소할 수 있습니다. 개별 점을 클릭하면 백혈구, 림프구 및 호중구에 대한 해당 값이 표시됩니다. 다음으로, MATLAB 작업 공간에서 호중구 수, 림프구 수, 백혈구 수를 각각 변수 X, Y, Z에 할당합니다.

화면에 표시되는 명령을 사용하여 데이터를 맞추어 다항식 모델을 생성합니다. 적합도를 평가하려면 표시된 명령을 사용하여 정규화된 평균 제곱근 오차를 계산하십시오. 이제 immune condition 함수를 사용하여 3차원 평면에 샘플 점의 군집을 생성합니다.

앞에서 설명한 대화형 기능(예: rotation, pan, zoom, data cursor)을 사용하여 이러한 클러스터를 시각화합니다. 그런 다음 hold on 명령을 사용하여 그림을 오버레이 가능한 상태로 유지합니다. 그런 다음 제시된 명령을 사용하여 일반적인 환자의 궤적 데이터에 대한 3차원 플롯을 생성합니다.

3차원 산란 산점도는 백혈구, 호중구 및 림프구의 샘플 포인트가 매우 작은 오차로 평면에 놓여 있음을 보여주었습니다. 자기 조직화 기능 맵(SOFM) 분석은 백혈구, 호중구 및 림프구 수의 클러스터링을 기반으로 9개의 고유한 면역 상태를 식별했습니다. 클러스터 1, 2, 4는 호중구와 림프구의 수치 증가를 특징으로 하는 면역 활성이 증가한 반면, 클러스터 3, 5, 6, 9는 면역 진동 상태를 반영했습니다.

클러스터 8은 면역 활동이 감소한 상태로 확인되었으며, 이는 면역 억제 또는 감염 후 회복 단계를 의미할 수 있으며, 클러스터 7은 회복 단계에 있는 환자를 나타낼 수 있으며 면역 기능이 개선되었음을 나타냅니다.