机器学习算法预测艾滋病毒感染者入住重症监护室的风险:一项单中心研究
Jialu Li1, Yi Ding1, Yiwei Hao2
1Clinical Center for HIV/AIDS, Beijing Ditan Hospital, Capital Medical University, Jingshun East Street, Beijing, 100015, China.
Virology journal
|August 5, 2025
概括
机器学习模型可以预测艾滋病毒感染者 (PLWH) 进入重症监护室 (ICU) 的风险. 人工神经网络 (ANN) 模型在识别需要重症监护的患者方面表现出最高的准确性.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 艾滋病毒/艾滋病研究研究
背景情况:
- 抗逆转录病毒疗法 (ART) 已将艾滋病毒从致命变为慢性,但艾滋病毒感染者 (PLWHs) 由于伴随性疾病而面临更高的危险性疾病风险.
- 越来越多的PLWH被录取到重症监护室 (ICU),需要用于风险分层的预测工具.
研究的目的:
- 开发和验证机器学习模型,用于预测PLWHs中的ICU入院风险.
- 在这个人群中确定与ICU入院相关的关键临床特征.
主要方法:
- 分析了1530名艾滋病毒患者的队列,其中199人被录入ICU.
- 建立了六种分类模型 (逻辑回归,随机森林,k-最近邻居,SVM,ANN,XGB) 并进行了内部验证.
- 模型的性能使用布里尔分数,ROC-AUC和PR-AUC进行评估;特征的重要性通过Shapley图表确定.
主要成果:
- 人工神经网络 (ANN) 模型实现了最佳性能 (Brier 分数=0.034,ROC-AUC=0.961,PR-AUC=0.895).
- 确定了11个关键特征,包括呼吸衰竭,机会性感染,艾滋病定义癌症,基线病毒载量,肺囊炎肺炎 (PCP) 和CD4细胞计数.
结论:
- 该ANN模型有效地预测了PLWHs的ICU入院风险.
- 使用这种模型的智能医疗保健系统可以帮助及时进行临床干预,改善患者的治疗结果,并降低医疗保健成本.
关键词:
录取方式 录取方式人工神经网络 (ANN) 是一个人工神经网络.艾滋病病毒 艾滋病病毒 艾滋病病毒与艾滋病毒相关的并发症在ICU中,医生会对患者进行治疗.机器学习 机器学习预测建模的预测建模.风险因素 风险因素在SHAP分析中,我们分析了SHAP.
