臨床パラメータを用いた結核患者における薬剤師の介入による利益の機械学習予測:単一センターの遡及研究

科学分野:

• *医療における機械学習の応用
• * 臨床情報学と予測モデリング

背景:

• *結核 (TB) は,世界的な健康上の重大な負担であり,効率的な患者管理を必要とします.
• * 薬剤師による介入のための患者を特定することは,結果とリソースの割り当てを最適化するために極めて重要です.
• *臨床パラメータを用いた予測モデリングは,結核患者に対する薬剤師による標的型介入に役立つ.

研究 の 目的:

• *入院時に結核患者の薬剤師による介入グループ割り当てを予測するための機械学習モデルを開発・検証.
• *高度な機能エンジニアリングとハイパーパラメータチューニングを使用してモデルを最適化します.
• * 文脈的理解のためのトランスクリプトミックのデータ分析を通じて生物学的洞察を探求する.

主な方法:

• *467人の結核患者の遡及分析.
• *データ増強技術 (複数隣接インターポレーション) で,データセットのサイズを1,999個のサンプルに拡大します.
• * 多層アンサンブルモデル (43ベースモデル) のための広範な機能エンジニアリング (122機能) とOptunaベースのハイパーパラメータ最適化.

主要な成果:

• *アンサンブルモデルは,薬剤師の介入グループ割り当てを予測する際に92.25%の正確性と96.96%のAUC-ROCを達成しました.
• *GEOデータセットのトランスクリプトミックの分析により,150の異なる発現遺伝子と,免疫/炎症経路が強化されたことが判明しました.

結論:

• * 機械学習の最適化は,結核治療における薬剤師による介入に対する患者の適格性を効果的に予測します.
• * 臨床的変数のみに基づいた臨床予測モデルは,個別化された結核治療資源配置のための強力なツールを提供します.
• * 高い予測精度は,患者の管理を改善するために臨床実施の可能性を示唆しています.