학술논문
Identifying and predicting amyotrophic lateral sclerosis clinical subgroups: a population-based machine-learning study
Document Type
Article
Author
Faghri, Faraz; Brunn, Fabian; Dadu, Anant; Chiò, Adriano; Calvo, Andrea; Moglia, Cristina; Canosa, Antonio; Manera, Umberto; Vasta, Rosario; Palumbo, Francesca; Bombaci, Alessandro; Grassano, Maurizio; Brunetti, Maura; Casale, Federico; Fuda, Giuseppe; Salamone, Paolina; Iazzolino, Barbara; Peotta, Laura; Cugnasco, Paolo; De Marco, Giovanni; Torrieri, Maria Claudia; Gallone, Salvatore; Barberis, Marco; Sbaiz, Luca; Gentile, Salvatore; Mauro, Alessandro; Mazzini, Letizia; De Marchi, Fabiola; Corrado, Lucia; D'Alfonso, Sandra; Bertolotto, Antonio; Imperiale, Daniele; De Mattei, Marco; Amarù, Salvatore; Comi, Cristoforo; Labate, Carmelo; Poglio, Fabio; Ruiz, Luigi; Testa, Lucia; Rota, Eugenia; Ghiglione, Paolo; Launaro, Nicola; Di Sapio, Alessia; Mandrioli, Jessica; Fini, Nicola; Martinelli, Ilaria; Zucchi, Elisabetta; Gianferrari, Giulia; Simonini, Cecilia; Meletti, Stefano; Liguori, Rocco; Vacchiano, Veria; Salvi, Fabrizio; Bartolomei, Ilaria; Michelucci, Roberto; Cortelli, Pietro; Rinaldi, Rita; Borghi, Anna Maria; Zini, Andrea; Sette, Elisabetta; Tugnoli, Valeria; Pugliatti, Maura; Canali, Elena; Codeluppi, Luca; Valzania, Franco; Zinno, Lucia; Pavesi, Giovanni; Medici, Doriana; Pilurzi, Giovanna; Terlizzi, Emilio; Guidetti, Donata; De Pasqua, Silvia; Santangelo, Mario; De Massis, Patrizia; Bracaglia, Martina; Casmiro, Mario; Querzani, Pietro; Morresi, Simonetta; Longoni, Marco; Patuelli, Alberto; Malagù, Susanna; Currò Dossi, Marco; Vidale, Simone; Ferro, Salvatore; Zucchi, Elisabetta; Martinelli, Ilaria; Mazzini, Letizia; Vasta, Rosario; Canosa, Antonio; Moglia, Cristina; Calvo, Andrea; Nalls, Michael A; Campbell, Roy H; Mandrioli, Jessica; Traynor, Bryan J; Chiò, Adriano
Source
The Lancet Digital Health; May 2022, Vol. 4 Issue: 5 pe359-e369, 11p
Subject
Language
ISSN
25897500
Abstract
Amyotrophic lateral sclerosis (ALS) is known to represent a collection of overlapping syndromes. Various classification systems based on empirical observations have been proposed, but it is unclear to what extent they reflect ALS population substructures. We aimed to use machine-learning techniques to identify the number and nature of ALS subtypes to obtain a better understanding of this heterogeneity, enhance our understanding of the disease, and improve clinical care.