高リスクのC型肝炎感染を予測する機械学習ベースのスクリーニングアルゴリズムの開発と検証

科学分野:

• 公衆衛生
• 感染症
• データサイエンス

背景:

• C型肝炎ウイルス (HCV) の感染は米国で増加しており,オピオイドの流行によって悪化しています.
• HCV感染の有意な部分は,無症状であるために診断されないままです.
• リスクのある集団を特定するための効果的なスクリーニングツールが不可欠です.

研究 の 目的:

• HCV感染リスクの予測と分層化のための機械学習 (ML) アルゴリズムの開発と検証.
• HCVの標的型スクリーニング戦略を支援するツールを作成する.

主な方法:

• 2016-2023 OneFlorida+ 電子医療記録データベースを利用した.
• HCV検査を受けた18歳以上の個人を含め,275の特徴を分析した.
• 弾性網,ランダムフォレスト,グラデントブースティングマシン,ディープニューラルネットワークの4つのMLモデルを開発し,検証した.

主要な成果:

• グラデント・ブースティング・マシン (GBM) モデルは最高性能を達成した (C統計: 0.916).
• GBMは79. 39%の感度と89. 08%の特異性を示し,6つの検査ごとに1つの陽性HCV症例を特定しました.
• 3つのリスクデシールは,HCV患者の90%以上を占めた.

結論:

• MLアルゴリズムは,HCV感染リスクを予測し,分層化するための効果的な方法を提供します.
• これらのモデルは,臨床実務における標的型HCVスクリーニングの有望なツールです.
• この研究は,HCVのような公衆衛生上の課題の管理におけるデータベースのアプローチの可能性を強調しています.