Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

מחקר זה חוקר את המצב החיסוני באלח דם על ידי ניתוח הקשרים הכמותיים בין תאי דם לבנים, לימפוציטים ונויטרופילים בחולי אלח דם ובקרות בריאות באמצעות ניתוח הדמיית נתונים והתאמה מספרית תלת מימדית כדי לבסס מודל מתמטי.

Abstract

באלח דם, הבנת יחסי הגומלין בין תאי דם לבנים, לימפוציטים ונויטרופילים חיונית להערכת המצב החיסוני ולאופטימיזציה של אסטרטגיות הטיפול. דגימות דם נאספו מ-512 חולים שאובחנו עם אלח דם ו-205 בקרות בריאות, בסך הכל 717 דגימות. ניתוח הדמיית נתונים והתאמה מספרית תלת מימדית בוצעו כדי לבסס מודל מתמטי המתאר את הקשרים בין תאי דם לבנים, לימפוציטים ונויטרופילים. מפת תכונות בארגון עצמי (SOFM) שימשה כדי לקבץ אוטומטית את נתוני דגימת אלח הדם במרחב התלת מימדי המיוצג על ידי המודל, והניב מצבים חיסוניים שונים.

הניתוח גילה כי ספירת תאי הדם הלבנים, הלימפוציטים והנויטרופילים מוגבלת במישור תלת מימדי, כמתואר במשוואה: WBC = 1.098 × נויטרופילים + 1.046 × לימפוציטים + 0.1645, מה שמניב שגיאת ניבוי (RMSE) של 1%. משוואה זו ישימה באופן אוניברסלי לכל הדגימות למרות ההבדלים בהתפלגות המרחבית שלהן. אשכול SOFM זיהה תשעה מצבים חיסוניים מובהקים באוכלוסיית חולי אלח דם, המייצגים רמות שונות של מצב חיסוני, תקופות תנודה ושלבי החלמה.

המודל המתמטי המוצע, המיוצג על ידי המשוואה לעיל, חושף גבול אילוץ בסיסי על אוכלוסיות תאי החיסון הן בחולי אלח דם והן בקבוצת ביקורת בריאה. יתר על כן, גישת האשכולות של SOFM מספקת סקירה מקיפה של המצבים החיסוניים המובהקים שנצפו בגבול אילוץ זה בחולי אלח דם. מחקר זה מניח את היסודות לעבודה עתידית על כימות וסיווג המצב החיסוני באלח דם, מה שעשוי בסופו של דבר לתרום לפיתוח אסטרטגיות אבחון וטיפול אובייקטיביות יותר.

Introduction

אלח דם, תפקוד לקוי של איברים מסכן חיים הנגרם על ידי תגובת מארח לא מווסתת לזיהום, נותר אתגר משמעותי ברפואת טיפול נמרץ1. למרות ההתקדמות בהבנת הפתופיזיולוגיה של אלח דם, יחסי הגומלין המורכבים בין מערכת החיסון לפתוגנים ממשיכים להוות קשיים באבחון וטיפול יעיל במצב זה2. הגישות הקליניות הנוכחיות מתמקדות לעתים קרובות בניטור מדדי זיהום, תפקוד איברים, ציטוקינים, זיהוי חיידקים ומיקרוביום מעיים3. עם זאת, ישנה הכרה הולכת וגוברת בתפקיד המכריע שממלאים תאי חיסון, במיוחד תאי דם לבנים, לימפוציטים ונויטרופילים, בהתקדמות ופתרון אלחדם 4.

במהלך אלח דם, מערכת החיסון עוברת סדרה מורכבת של שינויים, המאופיינת בשלב היפר-דלקתי ראשוני ואחריו שלב5 ממושך של דיכוי חיסוני. השלב המוקדם מאופיין בעלייה בספירת הנויטרופילים וירידה במקביל באוכלוסיות הלימפוציטים, המשקפת את הפעלת התגובות החיסוניות המולדות ודיכוי החסינות הנרכשת6. ככל שהמצב מתקדם, רמות הנויטרופילים עלולות להתנדנד או להיות מותשות בעוד שספירת הלימפוציטים ממשיכה לרדת, מה שמוביל למצב של דיכוי חיסוני שהופך את החולים לפגיעים לזיהומים משניים7. הבנת יחסי הגומלין הדינמיים בין אוכלוסיות תאי חיסון אלה חיונית להערכה מדויקת של המצב החיסוני של חולי אלח דם ולתכנון התערבויות ממוקדות.

גישות מסורתיות לניתוח ספירת תאי חיסון באלח דם הסתמכו על ניתוחים חד-משתנים או דו-משתניים, שאינם מצליחים ללכוד את הקשרים המורכבים בין פרמטרים חיסוניים מרובים8. ההתקדמות האחרונה בהדמיית נתונים וטכניקות למידת מכונה פתחו אפשרויות חדשות לחקר נתונים אימונולוגיים בממדים גבוהים9. בפרט, הדמיה תלת מימדית של עלילת פיזור ומפות תכונות בארגון עצמי (SOFM)10 הראו הבטחה בחשיפת דפוסים נסתרים וזיהוי מצבים חיסוניים מובהקים בהקשרי מחלה שונים.

מחקר זה נועד לחקור את המצב החיסוני בחולי אלח דם על ידי ניתוח הקשרים הכמותיים בין תאי דם לבנים, לימפוציטים ונויטרופילים באמצעות טכניקות מתקדמות של הדמיית נתונים ואשכולות. ההשערה היא שאוכלוסיות תאי החיסון הללו מוגבלות בתוך מרחב תלת מימדי הנשלט על ידי קשר מתמטי בסיסי. על ידי חשיפת קשר זה וזיהוי מצבים חיסוניים מובהקים באמצעות SOFM, המחקר מבקש לספק מסגרת להבנת המצבים הדינמיים של מערכת החיסון באלח דם ולהקל על קבלת החלטות קליניות.

הגישה כוללת איסוף דגימות דם מ-512 חולי אלח דם שאושפזו ביחידה לטיפול נמרץ (ICU) ו-205 אנשים בריאים, בסך הכל 717 דגימות. אוכלוסיית המחקר כללה משתתפים גברים (54.3%) ונשים (45.7%), בגילאים שנעו בין 35 ל-100 שנים (גיל ממוצע: 73.5 שנים). הדמיה תלת מימדית של עלילת פיזור והתאמה מספרית מיושמים כדי לבסס מודל מתמטי המתאר את יחסי הגומלין בין תאי דם לבנים, לימפוציטים ונויטרופילים הן בחולי אלח דם והן בבקרות בריאות. לאחר מכן משתמשים ב-SOFM כדי לאגד אוטומטית את נתוני דגימת אלח הדם במרחב התלת מימדי, מה שמניב מצבים חיסוניים שונים. על ידי השוואת הפרופילים החיסוניים וההתפלגות המרחבית של חולי אלח דם לאלו של אנשים בריאים בגבול האילוץ המיוצג על ידי המודל המתמטי, המחקר נועד לקבל תובנות לגבי המנגנונים הפתופיזיולוגיים העומדים בבסיס אלח דם ולזהות מטרות פוטנציאליות לטיפולים אימונומודולטוריים.

על ידי מתן שיטה כמותית להערכת המצב החיסוני של חולי אלח דם, הגישה יכולה לאפשר שלב מדויק יותר של המחלה ולהנחות את בחירת ההתערבויות המתאימות. יתר על כן, זיהוי מצבים חיסוניים מובחנים באמצעות SOFM עשוי להניח את הבסיס למחקר עתידי על גישות אימונותרפיה מותאמות אישית המותאמות לפרופיל החיסוני הספציפי של חולים בודדים.

לסיכום, מחקר זה מציג גישה להבנת המצב החיסוני באלח דם על ידי מינוף הדמיית נתונים מתקדמת וטכניקות למידת מכונה. על ידי חשיפת הקשר המתמטי בין אוכלוסיות תאי חיסון מרכזיות בחולי אלח דם ובקרות בריאות וזיהוי מצבים חיסוניים מובהקים בחולי אלח דם, המחקר מספק נקודת מבט חדשה על הדינמיקה החיסונית המורכבת באלח דם. גישה זו מאפשרת הערכה מדויקת יותר של מצב המחלה (אשכולות שונים) ויכולה להנחות את בחירת ההתערבויות המתאימות, ובסופו של דבר לתרום לפיתוח אסטרטגיות אבחון וטיפול יעילות יותר.

Protocol

מחקר זה בוחן את המצב החיסוני בחולי אלח דם על ידי חקירת הקשרים בין תאי דם לבנים, לימפוציטים ונויטרופילים. החולים נרשמו ליחידה לטיפול נמרץ (ICU) של בית החולים דונגג'ימן בבייג'ינג, סין, ועברו בדיקות דם סטנדרטיות לאחר מתן הסכמה מדעת. המחקר נערך בהתאם להנחיות ועדת האתיקה המוסדית למחקר בבני אדם. ניתן למצוא קיבוץ נתונים ותוכן נתונים מפורט בטבלה משלימה 1. כלי התוכנה המשמשים במחקר זה מפורטים בטבלת החומרים.

1. איסוף והכנת נתונים

הערה: תאי דם לבנים, נויטרופילים ולימפוציטים נבחרו כאינדיקטורים מרכזיים למצב החיסוני בחולי אלח דם. בחירה זו מבוססת על התצפיות הקליניות המבוססות היטב כי ספירת הלימפוציטים נוטה להיות מדוכאת ופוחתת בהדרגה, בעוד שספירת הנויטרופילים מתנדנדת לעתים קרובות בחולי אלח דם. שני סוגי תאים אלה הוכרו אמפירית כסמנים חשובים למצב החיסוני באוכלוסיות חולי אלח דם. עם זאת, הקשר הכמותי המדויק בין פרמטרים אלה לא דווח בבירור בספרות. לכן, תאי דם לבנים, נויטרופילים ולימפוציטים נבחרו כנקודת מוצא לכימות המצב החיסוני בחולי אלח דם.

  1. התקנת קישור לגיליון אלקטרוני של MATLAB עבור תוספת Excel.
    1. פתח את Microsoft Excel ונווט אל הכרטיסיה הוספה ברצועת הכלים.
    2. לחץ על קבל תוספות במקטע תוספות .
    3. בתיבת הדו-שיח תוספות Office , חפש קישור לגיליון אלקטרוני של MATLAB בסרגל החיפוש.
    4. אתר את התוספת MATLAB Spreadsheet Link for Excel בתוצאות החיפוש ולחץ על כפתור הוסף .
    5. קרא וקבל את התנאים וההתניות ולאחר מכן לחץ על המשך כדי להמשיך בהתקנה.
    6. אם תתבקשו, התחברו עם חשבון MathWorks או צרו חשבון חדש כדי לגשת לתוספת.
    7. לאחר השלמת ההתקנה, הכרטיסייה קישור גיליון אלקטרוני של MATLAB תופיע ברצועת הכלים של Excel.
    8. לחץ על הכרטיסייה קישור גיליון אלקטרוני של MATLAB כדי לוודא שהתוספת מותקנת ומוכנה לשימוש.
  2. שלח נתונים לסביבת העבודה של MATLAB.
    1. פתח את הגיליון האלקטרוני המכיל את הנתונים של חולי אלח דם, כולל ספירת תאי דם לבנים, ספירת לימפוציטים וספירת נויטרופילים.
    2. ודא שהנתונים מאורגנים בפורמט מובנה, כאשר כל משתנה (ספירת תאי דם לבנים, ספירת לימפוציטים וספירת נויטרופילים) בעמודה נפרדת וכל מטופל בשורה נפרדת.
    3. בחר את טווח התאים המכילים את ספירת תאי הדם הלבנים, ספירת הלימפוציטים וספירת הנויטרופילים.
    4. לחץ על הכרטיסייה קישור לגיליון אלקטרוני של MATLAB ברצועת הכלים של Excel.
    5. בכרטיסייה קישור גיליון אלקטרוני של MATLAB , לחץ על כפתור שלח נתונים ל- MATLAB .
    6. בתיבת הדו-שיח שליחת נתונים ל- MATLAB , בחר את מופע MATLAB המתאים מהתפריט הנפתח אם פועלים מופעים מרובים.
    7. ציין את שם המשתנה עבור הנתונים בשדה שם משתנה . לדוגמה, sepsis_immune_data.
    8. בחר את סוג הנתונים הרצוי עבור הנתונים המיובאים ב-MATLAB (למשל, מטריצה מספרית).
    9. לחץ על OK כדי לשלוח את הנתונים לסביבת העבודה MATLAB.
    10. עבור ליישום MATLAB וודא שהנתונים יובאו בהצלחה על-ידי בדיקת שם המשתנה שצוין בסביבת העבודה (לדוגמה, sepsis_immune_data).
  3. בדיקת הנתונים ב-MATLAB
    1. לאחר שליחת נתוני חולי אלח דם (ספירת תאי דם לבנים, ספירת לימפוציטים וספירת נויטרופילים) ל-MATLAB באמצעות התוספת MATLAB Spreadsheet Link, עבור לאפליקציית MATLAB.
    2. כדי לבדוק את תוכן הנתונים המיובאים, הקלד את שם המשתנה בחלון הפקודה MATLAB והקש Enter.

2. הדמיה תלת מימדית של תאי דם לבנים, לימפוציטים ונויטרופילים

  1. יצירת העלילה באמצעות פונקציית Immune_scatter3
    1. המשתנה A מאחסן את הנתונים החיסוניים של חולי אלח דם. קרא לפונקציה Immune_scatter3(A) כדי לקבל ממשק משתמש גרפי (GUI) המציג את עלילת הפיזור התלת-ממדית של הדגימות, כפי שמוצג באיור 1.
      הערה: שגיאת ההתאמה בין המישור התלת מימדי להתפלגות הדגימה בחלקה קטנה מאוד. סעיף 3 יספק את הנוסחה המדויקת.
  2. השימוש בממשק המשתמש הגרפי
    1. חקור ונתח את עלילת הפיזור התלת מימדית באמצעות התכונות האינטראקטיביות המסופקות על ידי ממשק המשתמש הגרפי שנוצר.
      1. סובב: לחץ וגרור את העלילה כדי לסובב אותה במרחב תלת מימדי, מה שמאפשר צפייה בחלוקת הדגימה מזוויות שונות.
      2. פנורמה: לחץ באמצעות לחצן העכבר הימני וגרור את התוויה כדי להזיז אותה אופקית או אנכית, תוך התאמת האזור הגלוי של התוויה.
      3. הגדלה/הקטנה: השתמש/י בגלגל העכבר או בפקדי ההגדלה בסרגל הכלים כדי להגדיל או להקטין את התרשים, תוך התמקדות באזורים או בדוגמאות ספציפיים.
      4. סמן נתונים: לחץ על דגימות בודדות כדי להציג את הערכים המתאימים שלהן עבור תאי דם לבנים, לימפוציטים ונויטרופילים.
        הערה: על ידי שימוש בתכונות אינטראקטיביות אלה, רופאים יכולים לקבל תובנות לגבי הקשרים והדפוסים בין תאי דם לבנים, לימפוציטים ונויטרופילים בחולי אלח דם, מה שמקל על החקירה והניתוח של הנתונים החיסוניים.

3. הנוסחה

  1. בסביבת העבודה של MATLAB, הקצה את ספירת הנויטרופילים, ספירת הלימפוציטים וספירת תאי הדם הלבנים למשתנים X, Y ו-Z, בהתאמה.
  2. להשיג את הביטוי המתמטי המדויק (נוסחה 1; WBC = 1.098 × נויטרופילים + 1.046 × לימפוציטים + 0.1645 (RMSE: 1%)) של המישור התלת-ממדי באיור 1, הפעל את הפקודה הבאה:
    [fitresult, gof, output] = fit ([X, Y], Z, 'poly11')
    הערה: נוסחה זו מתארת כמותית את הקשר בין תאי דם לבנים, נויטרופילים ולימפוציטים בחולי אלח דם, ומספקת ייצוג תמציתי ומדויק של נתוני מערכת החיסון.
  3. כדי להעריך את טוב ההתאמה, חשב את השגיאה הריבועית הממוצעת המנורמלת (NRMSE) באמצעות הפקודה הבאה:
    gof.rmse / (max(Z) - min(Z))
    הערה: ערך ה-NRMSE המתקבל של 1% מצביע על כך שהמישור המותאם (פורמולה 1) מתקרב מאוד להתפלגות הדגימה בפועל במרחב התלת מימדי. רמת שגיאה נמוכה זו מדגישה את האמינות והתוקף של הביטוי המתמטי המתקבל בלכידת הקשרים המורכבים בין הפרמטרים החיסוניים בחולי אלח דם.

4. מצב חיסוני באלח דם

הערה: מפות תכונות בארגון עצמי (SOFM) שימשו עבור אשכולות ללא פיקוח כדי לזהות מצבים חיסוניים בחולי אלח דם.

  1. על ידי הפעלת פונקציית Immune_Condition , צור אשכולות של נקודות דגימה במישור התלת מימדי המיוצג על ידי נוסחה 1, כפי שמתואר באיור 2.
  2. השתמש בתכונות התצוגה החזותית האינטראקטיבית עבור איור 2 כמתואר בשלב 2.2.
    הערה: איור 2 מציג תשעה אשכולות אוטומטיים, המסומנים Cluster1 עד Cluster9, הנגזרים מגישת למידת המכונה הבלתי מפוקחת של SOFM. טכניקת אשכולות זו לוקחת בחשבון הן את הטופולוגיה המרחבית והן את צפיפות הדגימות, ומאפשרת זיהוי של מצבים חיסוניים מובהקים בקרב אוכלוסיית חולי אלח דם.

5. מסלולי תנודה חיסוניים אופייניים באלח דם

  1. בהתבסס על איור 2, השתמש בפקודת החזקה כדי לשמור על הדמות במצב הניתן לשכבת-על, ולאחר מכן השתמש בפקודות הבאות כדי ליצור עלילה תלת מימדית של נתוני המסלול של המטופל הטיפוסי.
    חכה
    עבור i=1: size(p,1)-1
    הפסקה (3); plot3(p (i: i+1,2), p (i: i+1,3), p (i: i+1,1),'k','רוחב קו',3);
    קצה

תוצאות

התקדמות אלח דם כרוכה באינטראקציה מורכבת בין מערכת החיסון האנושית לפתוגנים פולשים. באבחון ובטיפול קליני, תשומת לב רבה מתמקדת במדדי זיהום, סמני תפקוד איברים, ציטוקינים, זיהוי חיידקים ואפילו מיקרוביום המעי. עם זאת, מחקר זה מדגיש את חשיבותם של שלושה מדדים ח...

Discussion

מחקר זה מציג גישה להבנת המצב החיסוני באלח דם על ידי מינוף הדמיית נתונים מתקדמת וטכניקות למידת מכונה. על ידי חשיפת הקשר המתמטי בין אוכלוסיות תאי חיסון מרכזיים וזיהוי מצבים חיסוניים מובחנים, המחקר מספק נקודת מבט חדשה על הדינמיקה החיסונית המורכבת באלח דם ותורם לפיתוח אסטר?...

Disclosures

כלי התוכנה לעלילות פיזור הסתברותי עבור מצבי חיסון V1.0 פותח ונמצא בבעלות Beijing Intelligent Entropy Science & Technology Co., Ltd. כל זכויות הקניין הרוחני של תוכנה זו מוחזקות על ידי החברה. המחברים מצהירים שאין ניגודי אינטרסים.

Acknowledgements

מחקר זה קיבל תמיכה משני מקורות: הקבוצה השביעית של פרויקט הירושה של מאסטר-חניך שאורגן על ידי המינהל הלאומי לרפואה סינית מסורתית של סין (מספר פרויקט: [2021] מס' 272) ופרויקט שיפור יכולת המחקר ברפואה סינית לשנת 2024 של בית החולים לרפואה סינית ברמה העירונית (SZY-NLTL-2024-003) מהמינהל המחוזי של שאאנשי לרפואה סינית מסורתית.

Materials

NameCompanyCatalog NumberComments
MATLABMathWorks 2022BComputing and visualization 
Probabilistic Scatter Plots for Immune States Intelligent
 Entropy
Immune States V1.0Beijing Intelligent Entropy Science & Technology Co Ltd.
Modeling for CT/MRI fusion

References

  1. Jarczak, D., Kluge, S., Nierhaus, A. Sepsis-pathophysiology and therapeutic concepts. Front Med (Lausanne). 8, 628302 (2021).
  2. Cheung, G. Y. C., Bae, J. S., Otto, M. Pathogenicity and virulence of Staphylococcus aureus. Virulence. 12 (1), 547-569 (2021).
  3. Adelman, M. W., et al. The gut microbiome's role in the development, maintenance, and outcomes of sepsis. Crit Care. 24 (1), 278 (2020).
  4. Kumar, V. Pulmonary innate immune response determines the outcome of inflammation during pneumonia and sepsis-associated acute lung injury. Front Immunol. 11, 1722 (2020).
  5. Nakamori, Y., Park, E. J., Shimaoka, M. Immune deregulation in sepsis and septic shock: Reversing immune paralysis by targeting PD-1/PD-L1 pathway. Front Immunol. 11, 624279 (2021).
  6. Van der Poll, T., Shankar-Hari, M., Wiersinga, W. J. The immunology of sepsis. Immunity. 54 (11), 2450-2464 (2021).
  7. Chaturvedi, V., et al. T-cell activation profiles distinguish hemophagocytic lymphohistiocytosis and early sepsis. Blood. 137 (17), 2337-2346 (2021).
  8. Reyes, M., et al. An immune-cell signature of bacterial sepsis. Nat Med. 26 (3), 333-340 (2020).
  9. Pant, A., Mackraj, I., Govender, T. Advances in sepsis diagnosis and management: a paradigm shift towards nanotechnology. J Biomed Sci. 28 (1), 6 (2021).
  10. Kohonen, T. Essentials of the self-organizing map. Neural Netw. 37, 52-65 (2013).
  11. Yang, X., et al. The role of type 1 interferons in coagulation induced by gram-negative bacteria. Blood. 135 (14), 1087-1100 (2020).
  12. Zhang, Y. Y., Ning, B. T. Signaling pathways and intervention therapies in sepsis. Signal Transduct Target Ther. 6 (1), 407 (2021).
  13. Baghela, A., et al. Predicting sepsis severity at first clinical presentation: The role of endotypes and mechanistic signatures. EBioMedicine. 75, 103776 (2022).
  14. Yao, R. Q., et al. Publication trends of research on sepsis and host immune response during 1999-2019: A 20-year bibliometric analysis. Int J Biol Sci. 16 (1), 27-37 (2020).
  15. Owen, A. M., et al. TLR agonists as mediators of trained immunity: Mechanistic insight and immunotherapeutic potential to combat infection. Front Immunol. 11, 622614 (2021).
  16. Jung, E., et al. The fetal inflammatory response syndrome: the origins of a concept, pathophysiology, diagnosis, and obstetrical implications. Semin Fetal Neonatal Med. 25 (4), 101146 (2020).
  17. Bruno, M., et al. Transcriptional and functional insights into the host immune response against the emerging fungal pathogen Candida auris. Nat Microbiol. 5 (12), 1516-1531 (2020).
  18. Barichello, T., et al. Biomarkers for sepsis: more than just fever and leukocytosis-a narrative review. Crit Care. 26 (1), 14 (2022).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

216SOFMRMSE

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved