Key points are not available for this paper at this time.
임상 진단은 일반적으로 신체 검사, 환자 병력, 다양한 실험실 검사 및 영상 연구를 포함하지만 B 세포와 T 세포의 수용체에 의해 인코딩된 항원 노출 기록을 이용하는 데는 제한적입니다. 우리는 593명의 개인에서 면역 수용체 데이터 세트를 분석하여 다수의 질병을 동시에 검사하거나 하나의 질환을 정확하게 검사하기 위한 해석적 프레임워크인 임상 면역 진단을 위한 기계 학습(Machine Learning for Immunological Diagnosis)을 개발했습니다. 이 접근 방식은 특정 감염, 자가 면역 장애, 백신 반응 및 질병 중증도 차이를 감지합니다. 모델의 인간 해석 가능 기능은 중증 급성 호흡기 증후군 코로나바이러스 2(SARS-CoV-2), 인플루엔자 및 인간 면역결핍 바이러스(HIV)에 대한 알려진 면역 반응을 요약하고, 항원 특이적 수용체를 강조하며, 전신 홍반성 루푸스 및 제1형 당뇨병 자가 반응성의 독특한 특성을 드러냅니다. 이 분석 프레임워크는 면역 반응에 대한 과학적 및 임상적 해석에 대한 광범위한 잠재력을 가지고 있습니다.
Zaslavsky et al. (목요일) 는 이 질문을 연구했습니다.