机器学习分析纤毛驱动的颗粒运输，区分原发性纤毛运动障碍与正常纤毛

研究团队用荧光微球轨迹和机器学习分析气道细胞的纤毛驱动运输，以区分原发性纤毛运动障碍（PCD）与正常纤毛；其关注价值在于把纤毛清除功能转化为可量化的影像指标。

• 研究分析了602段视频，覆盖24名供者，并提取粒子速度、位移、方向性等12项特征。
• XGBoost和随机森林在独立测试集上的准确率均为0.97，AUC均为0.99；卷积神经网络准确率为0.95，AUC为0.97。
• 模型主要依据粒子运输的速度、距离和轨迹有序程度进行区分，而不是只观察纤毛摆动频率。
• DNAH11变异样本更容易被误判，说明部分遗传亚型仍可能需要扩大样本或结合其他检测方法。
• 研究对象是培养细胞和体外显微视频，尚不能直接等同于临床诊断效果。
• 影响/看点：这项工作可能为PCD提供一种辅助性、客观化的功能评估路径，但其临床价值取决于多中心样本、不同设备和更多遗传亚型上的外部验证。
• 资料依据:
• Communications Biology（2026-10-12）：研究全文 https://www.nature.com/articles/s42003-026-11149-0
• PubMed Central（2025-11-04）：论文全文与实验结果 https://pmc.ncbi.nlm.nih.gov/articles/PMC12637470/

本内容由 AI 生成，仅供参考，请注意甄别