机器学习模型用于诊断HIV患者的机会性感染:在各种感染类型中广泛适用
Hao Chen1,2, Fanxuan Chen3, Yijun Wang4
1Department of Infectious Diseases, Wenzhou Central Hospital, Wenzhou, China.
Journal of cellular and molecular medicine
|March 23, 2025
概括
机器学习模型可以快速诊断人类免疫缺陷病毒 (HIV) 感染患者的机会性感染 (OI). 关键的生物标志物,如甲和血红蛋白,提高了诊断的准确性,有助于及时治疗.
科学领域:
- 传染性疾病 传染性疾病
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 机会性感染 (OIs) 是人类免疫缺陷病毒 (HIV) 感染个体死亡和住院的主要原因.
- 由于各种病原体和复杂的临床表现,诊断OI具有挑战性.
研究的目的:
- 开发一种机器学习的诊断模型,用于在艾滋病毒感染患者中快速,普遍识别OI.
- 创建一个可适应各种临床情景的模型,不仅限于特定的感染.
主要方法:
- 一项回顾性队列研究,涉及四个中国医疗保健机构的艾滋病毒感染患者.
- 使用了12个机器学习分类算法进行模型训练和评估.
- 实施特征减小技术,包括Shapley增量解释和变重要性,以确定关键诊断指标.
主要成果:
- 使用五个关键特征 (前素,血红蛋白,淋巴细胞,肌素,血小板/间接胆红素) 的高性能模型,通过适应性增强分类器获得了高F1分数 (0.9016-0.9063).
- 这些模型的性能明显优于32个特征的梯度增强模型 (F1得分为0.8991).
结论:
- 机器学习模型可以有效和高效地诊断HIV感染患者的机会性感染.
- 减少了一组生物标志物可以实现高诊断准确性,简化临床应用.


