複数の機械学習アルゴリズムを利用した新生児病院で得られた胃腸感染症の予測モデルの開発

科学分野:

• 新生児医学
• コンピュータ生物学
• 感染症

背景:

• 新生児の胃腸感染症は,集中治療施設で重大なリスクをもたらします.
• 新生児の健康改善には 早期発見と介入が不可欠です

研究 の 目的:

• 新生児の胃腸感染症を予測するための機械学習モデルを開発し,検証する.
• 新生児におけるこれらの感染症に関連する主要な危険因子を特定する.

主な方法:

• 胃腸感染症を患った新生児176人と対照群675人を遡って分析した.
• 機能選択方法 (Boruta,Lasso) を含む機械学習アルゴリズムを活用した.
• クラス不均衡のSMOTEとモデル解釈のSHAPを適用した.

主要な成果:

• 神経ネットワークモデルでは,妊娠年齢と中央静脈カテーテリゼーションを含む9つの重要なリスク要因が特定されました.
• このモデルは,トレーニング (AUC=0.895) とテスト (AUC=0.876) の両方で高い性能メトリックを達成しました.
• インタラクティブなウェブ計算機が臨床用として開発された.

結論:

• 検証された予測モデルは,胃腸感染症のリスクのある新生児を早期に特定することを可能にします.
• 感染関連の罹患率を減少させる可能性のある適切な介入のための臨床的意思決定を支援します.