4つの機械学習モデルに基づくHIV感染者の生存予測モデル

科学分野:

• 計算生物学
• 流行病学
• 医療における機械学習

背景:

• 抗レトロウイルス治療はHIV感染者の生存率を向上させていますが,変化は続いているのです.
• 生存要因を特定し,結果を予測することは,患者の管理にとって極めて重要です.

研究 の 目的:

• 機械学習モデルの予測性能とHIV生存に対するコックスの比例リスクモデルを比較する.
• HIV感染者の生存要因を特定する

主な方法:

• 中国でHIVに感染した676人のデータを分析した.
• コックスの単変数分析では,有意な変数 (p < 0. 05) が確認された.
• モデルを比較した:コックス比例ハザード, eXtreme Gradient Boosting,ランダムフォレスト,サポートベクトルマシン,多層感知器.

主要な成果:

• ランダム・フォレストは最良の予測性能を示した (AUC: 0. 912,精度: 0. 862).
• 機械学習モデルは一般的に従来のコックス比率ハザードモデルを上回った.
• Support Vector Machine, eXtreme Gradient Boosting,そしてMultilayer Perceptronも強力な予測能力を示した.

結論:

• 機械学習モデル 特にランダムフォレストは HIVの生存を予測する上で 優れています
• ランダムフォレストモデルは,中国のHIV感染者における生存分析と予測に推奨されています.
• 発見は臨床的意思決定を促し,患者の治療結果を改善します.