IFN-γとIL-6がPLWHの活性結核の重要な予測バイオマーカーである: 4つの機械学習方法による結果

科学分野:

• 感染症 感染症は感染症です.
• 免疫学 免疫学とは
• バイオメディカルデータサイエンスのデータサイエンス

背景:

• 結核 (TB) は,HIV感染者 (PLWH) の主要な死因です.
• PLWHにおける活性結核の早期かつ正確な診断は極めて重要であるが,依然として大きな課題である.
• 診断能力を向上させるために,バイオマーカーの発見と高度な計算方法が必要です.

研究 の 目的:

• PLWHにおける活性結核の予測のための新しいバイオマーカーの組み合わせを特定する.
• 活性結核の予測のための機械学習 (ML) モデルの開発と評価.
• ランダムとクロノロジカルに分割されたデータセットの両方のモデルパフォーマンスを評価するために.

主な方法:

• 肺症状のある760人のPLWHを登録し,人口統計,臨床,サイトカインデータを収集しました.
• 10倍クロス検証,機能選択,およびハイパーパラメータ最適化を使用して4つのMLモデルを開発しました.
• ROC-AUC,感度,特異性,およびランダムとクロノロジカルデータ分割の変数重要性を使用して評価されたモデル.

主要な成果:

• インターフェロン-ガンマ (IFN-γ) とインタールイキン-6 (IL-6) 濃度は,活性結核患者において有意に上昇した.
• IFN-γとIL-6を使用したグラデーションブーストマシン (GBM) モデルは,ランダムデータセット (0.96トレーニング,0.73テスト) で高いAUCを達成しました.
• GBMモデルは,年代順に並べられたテストセットでより低いAUC (0.66) を示し,限定的な汎用性を示した.

結論:

• IFN-γとIL-6の上昇は,PLWHにおけるTBの活性化を示す可能性があります.
• 現在のMLモデルは,ランダムな分割で効果的ですが,時間順に並べられた現実世界のデータでアクティブTBを予測する際の制限に直面しています.
• PLWHにおける結核のMLベースの診断ツールの汎用性を高めるために,さらなる研究が必要である.