利用IRIS重新定义参考区间，以实现更早的检测和更有效的疾病监测

《Scientific Reports》：Reference intervals reimagined with IRIS for earlier detection and better disease monitoring

　　

摘要

参考区间（RI）是一种通用的方法，通过将个体检测结果与基于人群的基准值进行比较来解释数值临床数据。这些参考区间的质量显著影响个体层面的决策。本研究旨在探讨如何有效利用个人数据及其同伴的数据，计算与疾病检测和进展相关的关键临床参数的个体参考区间（IRI）。我们描述了包括预处理数据和数据质量检查程序在内的IRI工作流程。IRI的计算涉及来自同一受试者及其同伴的多个“健康”数据点的检测结果。该模型会调整性别和年龄等协变量，从而提高准确性。该工作流程展示了IRI在两项纵向研究中的临床和组学数据中的潜在应用价值。对于健康人群，IRI在慢性疾病诊断中显示出价值；而在患病群体中，它们有助于有效监测疾病进展。已经开发出一个集成的IRI应用，将所有描述步骤整合到一个易于使用的工具中，适用于研究和/或临床实践。IRI可以帮助（1）早期发现慢性疾病的转变；（2）监测个人疾病的进展。它能够检测临床测量中的微小偏差，无论是使用标准的临床生化检测结果还是组学数据。在具备适当的数据基础设施的情况下，IRI工作流程可以通过将个性化生物标志物基线嵌入到基于人工智能的决策支持系统中来整合到临床实践中。这种整合为临床警报和风险分层提供了额外的补充层，从而提高了其敏感性和特异性。最终，这种方法有可能改变个性化疾病诊断、管理和患者预后。