多模态组学与机器学习技术在脓毒症研究中的应用进展

摘要

脓毒症是全球范围内的重大健康挑战之一，其复杂的病理机制和多器官功能损伤对患者生命构成了严重威胁。近年来，多模态组学技术结合机器学习在脓毒症研究中取得了显著突破，为早期诊断、精准治疗和个性化干预提供了新的前景。传统治疗手段如皮质类固醇、液体管理及抗生素的个性化调整，以及中医药与乌司他丁等在多模态组学研究中的应用，拓宽了脓毒症治疗的选择空间。中国脓毒症多模态组学研究联盟（CMAISE）通过整合基因组学、蛋白质组学、代谢组学等多模态组学数据，深入探索脓毒症的分子机制及生物标志物。本综述全面总结了多模态组学技术在脓毒症研究中的应用现状，并探讨了机器学习在个性化治疗中的潜力，为未来的临床应用及科研发展提供了理论依据和思路。

关键词

脓毒症 / 多模态 / 组学

基金资助

国家重点研发计划项目（2023YFC3603104,2022YFC2504503）;; 国家自然科学基金项目（82272180,82472243）;; 浙江大学龙泉创新中心项目（ZJDXLQCXZCJBGS2024016）;; 浙江省自然科学基金华东医药企业创新发展联合基金资助项目（LHDMD24H150001）;; 国家中医药管理局科技司-浙江省中医药管理局共建科技计划（GZY-ZJ-KJ-24082）;; 浙江省医药卫生科技计划项目（2024KY1099）;; 金华市科技局重点科技计划（2024-3-047）