TubIAgnosis:一个基于机器学习的网络应用程序,用于使用完整的血清数据进行活跃结核病诊断

科学领域:

• 医学诊断 医学诊断 医学诊断
• 机器学习应用 机器学习应用
• 血液学 血液学 血液学

背景情况:

• 结核病 (TB) 的诊断是具有挑战性的,微生物学测试往往是不可用的或不确定的.
• 结核病的延迟诊断增加了全球的传播和疾病负担.
• 完整血清 (CBC) 提供了一种可访问的,廉价的方法来识别潜在的诊断标记.

研究的目的:

• 开发和评估基于机器学习 (ML) 的网络应用程序,用于使用CBC数据进行活跃结核病诊断.
• 评估ML算法在从常规血液测试参数识别结核病方面的有效性.
• 创建一个用户友好的工具,TubIAgnosis,以改善结核病诊断支持.

主要方法:

• 一项回顾性病例控制研究包括449名结核病患者和1200名对照人群.
• 在18个CBC参数和人口统计数据上训练了8个ML算法.
• 模型性能使用平衡的精度,灵敏度,特异性和AUC进行了评估.

主要成果:

• 极端梯度提升 (XGB) 模型实现了83.3%的平衡精度和89.4%的AUC.
• 血小板与淋巴细胞的比率成为一个关键的预测参数.
• 最好的模型被部署为免费的Web应用程序,TubIAgnosis.

结论:

• 使用CBC数据,TubIAgnosis在诊断活性结核病方面表现出有效的表现.
• 这种基于ML的工具为现有的结核病诊断方法提供了具有成本效益的补充.
• 建议进行进一步的前性研究,以验证和增强应用程序的实用性.