血清赤外線光譜と機械学習アルゴリズムを用いたシャガス病のスクリーニングの新しいアプローチ
Matthews Martins1, Ângelo Antônio Oliveira Silva2,3, Felipe Silva Santos de Jesus2,3
1Department of Physiological Sciences, Federal University of Espírito Santo, Av. Mal. Campos, 1468-Maruípe, Vitória, Espírito Santo 29047-105, Brazil.
ACS infectious diseases
|August 28, 2025
まとめ
この研究では,フーリエ変換赤外線 (FTIR) 光譜と機械学習 (ML) の組み合わせが,シャガス病 (CD) の診断に有望な新しい方法を提供することを示しています. このアプローチは,特に資源が限られている地域では,現在の診断検査に費用対効果の高い代替手段を提供できるでしょう.
科学分野:
- 顕微鏡と分析化学
- 計算生物学とバイオインフォマティクス
- 感染症 と 疫学
背景:
- シャガス病 (CD) は,世界中で何百万人もの人に影響し,低寄生虫レベルと現在の血清検査の限界のために診断は困難です.
- CDの地理的広がりは,人間の移住により増加しています.
- シャガスの病気の診断手段を 改善し 入手しやすくなる必要があります
研究 の 目的:
- シャガス病の診断能力の評価 シャガス病の診断能力の評価 シャガス病の診断能力の評価 シャガス病の診断能力の評価
- 乾燥と湿った血清サンプル分析条件でのATR-FTIR/MLの性能を比較する.
- この新しいアプローチが費用対効果の高い 診断の代替手段としての可能性を 評価する.
主な方法:
- 100人の患者 (49人のCD陽性者,51人の対照者) の血清サンプルをATR-FTIRスペクトロスコーピーで乾燥と湿気両方で分析した.
- スペクトルデータは,分類のために様々な機械学習アルゴリズム (ロジスティック回帰,PLS-DA,ランダムフォレスト,XGBoost) を使用して処理されました.
- モデルの性能は,精度,F1スコア,および受信機の動作特性曲線 (AUC) 下の面積を使用して評価されました.
主要な成果:
- ロジスティック回帰は,乾燥したサンプルで93%の精度とF1スコアを達成し,XGBoostは,湿ったサンプルで87%の精度とF1スコアを達成しました.
- ROC曲線の下の面積は特に高く,乾燥分析では0.99,湿気分析では0.92であった.
- 改変試験は,開発された分類モデルの強度と信頼性を確認した.
結論:
- ATR-FTIRスペクトロシーとMLは,シャガス病の非常に有望な診断戦略です.
- この方法は,従来の血清検査の効率的で費用対効果の高い代替手段として,特にリソースが限られた環境において,潜在的な可能性を示しています.
- 大規模なコホートでのさらなる検証は,シャガス病管理における広範な採用のための臨床的適用性と特異性を確認するために必要である.
