生物行移动版

作为脊髓损伤研究人员，我们研究的基本上是一种孤儿病——受脊髓损伤影响的人数远少于心脏病、癌症或中风。由于该病症的相对罕见性，单个研究小组孤立工作很难开发治疗方法并得到关于什么治疗最有效的明确答案。协作性数据共享为加强新疗法的开发和测试提供了重要机会。我们亲身证明了数据共享的强大力量——识别出一个简单且以前被忽视的脊髓损伤恢复预测因子。从2010年开始，我们的团队开始从脊髓损伤研究联盟收集数据，创建来自众多实验模型和研究实验室的大规模原始研究数据池。使用人工智能和机器学习等先进分析策略，我们筛选了数千个变量，发现了步行能力恢复的一个稳健预测因子：血压。本文基于《The Transmitter》的观点文章，系统解析数据共享如何识别脊髓损伤的新潜在治疗方法以及开放科学的重要性。

一、数据共享的必要性

脊髓损伤作为一种孤儿病，其研究面临患者数量少、单个实验室数据有限等挑战。通过协作性数据共享，研究人员可以汇集多中心、多物种的数据，从而增强统计效力，发现可靠的生物标志物和治疗靶点。

二、人工智能/机器学习发现：血压作为预测因子

从2010年开始，研究团队从脊髓损伤研究联盟收集数据，创建了大规模原始研究数据池。利用人工智能和机器学习筛选数千个变量后，发现血压是恢复步行能力的稳健预测因子：损伤时血压过高或过低的大鼠，运动功能恢复差得多。

三、验证：跨实验室、跨物种

多中心动物研究涉及8个机构、1,400多只大鼠，确认血压在狭窄的“金发姑娘区”（不高不低）预测最佳长期功能恢复。随后与旧金山湾区两个一级创伤中心合作，分析人类患者手术室记录，发现平均动脉血压同样强烈预测长期运动功能恢复。

四、临床意义

这些结果提示：损伤后或脊髓创伤手术期间严格控制血压可能改善预后。目前正在进一步验证和完善，以制定临床护理指南和方案。

五、对其他生物医学问题的应用

数据共享和人工智能方法可推广至腰痛、创伤性脑损伤、痴呆、血管病理等复杂疾病。人工智能工具能快速整合患者信息与历史病例，辅助制定最佳治疗策略。

六、数据共享的成功案例：脑损伤

脑损伤个体差异大，跨中心数据共享有助于识别预测预后的变量，如血液中的蛋白质和其他临床指标。

七、充分实现数据共享潜力所需的条件

需要建立全领域标准和报告程序，选择通用平台存储和共享数据，颁发数字对象标识符以激励共享，同时克服文化、技术、成本和行政法律障碍。

八、积极的发展

开放科学运动与美国联邦机构合作，提供资金支持技术开发、数据技能培训和社区参与。共享数据的研究人员获得更广泛认可，其工作通过稳定存储库持续获得引用。

九、结论：数据共享是加速科学的必由之路

通过汇集多实验室原始数据并利用人工智能/机器学习，我们识别了血压作为脊髓损伤恢复的稳健预测因子，并在大鼠和人类中得到验证。数据共享是加速科学的关键，但需克服多重障碍。

核心信息：

• 数据共享对孤儿病（如脊髓损伤）研究至关重要。
• 人工智能/机器学习识别出血压作为恢复的稳健预测因子。
• 发现已在大鼠和人类中得到验证。
• 数据共享可应用于其他复杂生物医学问题。
• 需要全领域标准、通用平台、技能培训和文化转变。
• 开放科学运动正在提供资金和激励。

参考来源：
Ferguson, A., Radabaugh, H., & Torres-Espin, A. (2024). Pooling data points to new potential treatment for spinal cord injury. The Transmitter.