International multicentre development of ensemble machine learning driven host response based diagnosis for tuberculosis
6.5
来源：
Cell
发布时间：
2025-08-27 19:34
摘要：
TB-Scope是一种基于宿主基因表达的机器学习分类模型，旨在提高活动性肺结核（ATB）的诊断准确性。通过分析来自多个国家的大规模转录组数据，该模型优化了ATB的诊断决策，显示出在不同数据平台上的可靠性。研究结果表明，TB-Scope能够有效区分ATB与健康状态、潜伏感染等，具有广泛的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
TB-Scope提供了一种强大且可靠的工具用于准确诊断ATB。
使用了来自三个回顾性转录组研究的大规模微阵列数据集。
分析了12个独立的微阵列和RNA-seq验证数据集，涵盖儿童和成人。
真实性检查
否
AI评分总结
TB-Scope是一种基于宿主基因表达的机器学习分类模型，旨在提高活动性肺结核（ATB）的诊断准确性。通过分析来自多个国家的大规模转录组数据，该模型优化了ATB的诊断决策，显示出在不同数据平台上的可靠性。研究结果表明，TB-Scope能够有效区分ATB与健康状态、潜伏感染等，具有广泛的临床应用潜力。