PreBP：細菌性肺炎における迅速な病原体同定のための、日常的な全血球計算を用いた解釈可能で最適化されたアンサンブルフレームワーク

科学分野:

• 計算生物学と感染症診断における機械学習の応用。

背景:

• 細菌性肺炎の診断には、効果的な治療のためにタイムリーな病原体同定が必要です。
• 喀痰や血液培養などの従来の検査法は時間がかかり、労働集約的です。

研究 の 目的:

• 細菌性肺炎の迅速な病原体同定のための解釈可能なアンサンブル学習フレームワーク（PreBP）を開発すること。
• 病原体検出に日常的に利用可能な全血球計算（CBC）パラメータを利用すること。

主な方法:

• 培養で確認された細菌性肺炎患者1,334例のCBCサンプルを分析しました。
• XGBoost、MLPNN、AdaBoost、RF、ExtraTreesを含む5つの機械学習モデルを採用しました。
• 解釈可能性のために、メタヒューリスティック最適化されたハイパーパラメータ、二相特徴量選択（LassoおよびBoruta）、およびSHapley加法的説明値（SHAP）を利用しました。

主要な成果:

• PreBPフレームワークは0.920のAUCを達成しました。
• PreBPは87.1%の精度と86.7%の精度および感度で高いパフォーマンスを示しました。

結論:

• PreBPは、日常的なCBCデータを用いた細菌性肺炎における病原体同定のための、解釈可能で計算的なアプローチを提供します。
• このフレームワークは、培養依存的なワークフローをサポートする、より早期の臨床的意思決定のための補完的な証拠を提供できます。