// AI 新闻 · 2026-11-07 · Nature
机器学习实现多发性硬化亚型临床分类
研究人员利用机器学习方法，基于594例外周血单核细胞转录组数据，对多发性硬化（MS）及其临床亚型进行了分类。研究在三个公共数据库中整合了6033个基因的表达矩阵，评估了AdaBoost、随机森林和XGBoost三种集成模型在四种二元任务中的表现：MS与非MS、临床孤立综合征与非CIS、原发性进展型与复发型-缓解型MS、继发性进展型与复发型-缓解型MS。所有模型在训练集与保留集按3:1比例划分后均表现出高预测性能。
原文发布 2026-11-07 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
该研究证明，集成机器学习方法能够有效利用血液转录组数据对多发性硬化及其亚型进行准确分类，为临床诊断提供了新的技术路径。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 研究基于594例外周血单核细胞转录组数据，使用6033个基因矩阵进行MS亚型分类。
- AdaBoost、随机森林和XGBoost三种集成模型在四项二元任务中均达到高预测性能。
- 分类任务包括MS与非MS、CIS与非CIS、原发性进展型与复发型-缓解型MS等。
- 结果表明机器学习可有效利用血液转录组数据实现多发性硬化亚型的临床分类。
03原文出处
Clinical classification of multiple sclerosis by machine learning
Nature · 发布于 2026-11-07 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-07 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日