Unlocking the full potential of mesenchymal stromal cell therapy for osteoarthritis through machine learning-based in silico trials
Notice bibliographique
Résumé
Despite the potential of mesenchymal stromal cells (MSCs) in osteoarthritis (OA) treatment, the challenge lies in addressing their therapeutic inconsistency. Clinical trials revealed significantly varied therapeutic outcomes among patients receiving the same allogenic MSCs but different treatment regimens. Therefore, optimizing personalized treatment strategies is crucial to fully unlock MSCs' potential and enhance therapeutic consistency. We employed the XGBoost algorithm to train a self-collected database comprising 37 published clinical reports to create a model capable of predicting the probability of effective pain relief and Western Ontario and McMaster Universities (WOMAC) index improvement in OA patients undergoing MSC therapy. Leveraging this model, extensive in silico simulations were conducted to identify optimal personalized treatment strategies and ideal patient profiles. Our in silico trials predicted that the individually optimized MSC treatment strategies would substantially increase patients' chances of recovery compared to the strategies used in reported clinical trials, thereby potentially benefiting 78.1%, 47.8%, 94.4% and 36.4% of the patients with ineffective short-term pain relief, short-term WOMAC index improvement, long-term pain relief and long-term WOMAC index improvement, respectively. We further recommended guidelines on MSC number, concentration, and the patients' appropriate physical (body mass index, age, etc.) and disease states (Kellgren-Lawrence grade, etc.) for OA treatment. Additionally, we revealed the superior efficacy of MSC in providing short-term pain relief compared to platelet-rich plasma therapy for most OA patients. This study represents the pioneering effort to enhance the efficacy and consistency of MSC therapy through machine learning applied to clinical data. The in silico trial approach holds immense potential for diverse clinical applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».