使用机器学习算法预测未经治疗的艾滋病毒患者的免疫风险:基于微量营养素和CD4/CD8比率逆转的决策树算法
Saurav Nayak1, Arvind Singh2, Manaswini Mangaraj1
1Department of Biochemistry, All India Institute of Medical Sciences (AIIMS), Bhubaneswar, Bhubaneswar, India.
Frontiers in nutrition
|October 31, 2024
概括
这项研究使用机器学习来分析艾滋病毒患者的微量元素,发现营养状况和免疫风险之间的联系. 这些发现表明微量营养素水平可以预测之前未接受治疗的个体的CD4/CD8比率逆转.
科学领域:
- 免疫学 免疫学 免疫学
- 营养科学 营养科学
- 计算生物学 计算生物学
背景情况:
- 微量营养素对免疫功能至关重要,影响艾滋病毒的严重程度和死亡率.
- 艾滋病毒感染会改变CD4/CD8淋巴细胞计数,导致比例逆转.
- 营养状况可能会影响HIV患者的免疫风险.
研究的目的:
- 研究营养状况对艾滋病毒阳性患者的CD4/CD8比率逆转的影响.
- 使用机器学习算法来分析微量元素和免疫风险之间的关系.
- 探索微量营养素对HIV免疫状况的预测价值.
主要方法:
- 采用随机森林分类器,使用55名艾滋病毒阳性患者和55名对照患者的数据.
- 分析了四种微量元素 (,,,).
- 在模型开发中使用了80-20列车测试分割,目标是CD4/CD8比率逆转.
主要成果:
- 机器学习算法实现了80%的灵敏度和83%的特异性.
- 该模型显示的概率比率正 (LR+) 为4.8,概率比率负 (LR-) 为0.24.
- 这项研究提供了微量元素在艾滋病毒免疫风险中的作用的证据.
结论:
- 在未接受过治疗的艾滋病毒患者中,营养数据与免疫风险成功相关,使用决策树ML算法.
- 这些发现突显了微量营养素作为免疫状态生物标志物的潜力.
- 这种方法可以作为临床医生有价值的分类和预后工具.


