利用机器学习预测猫的Opisthorchis viverrini感染:兽医流行病学的一个工具
Petcharat Chompo1, Veerasak Punyapornwithaya2, Banchob Sripa3
1Faculty of Veterinary Medicine, Khon Kaen University, Thailand; WHO Collaborating Centre for Research and Control of Opisthorchiasis (Southeast Asian Liver Fluke Disease), Tropical Disease Research Center, Khon Kaen University, Khon Kaen 40002, Thailand.
Parasitology international
|August 7, 2025
概括
机器学习模型可以预测猫的Opisthorchis viverrini (Ov) 感染,并将洪水和降雨等环境因素确定为关键风险. 这有助于制定针对这一公共卫生问题的有针对性的控制策略.
科学领域:
- 兽医流行病学 兽医流行病学
- 机器学习应用 机器学习应用
- 寄生病疾病控制和控制寄生病.
背景情况:
- 在大公河次区域,Opisthorchis viverrini (Ov) 感染对公众健康构成重大威胁.
- 猫被确定为Ov传播的关键储库宿主.
- 机器学习 (ML) 在兽医流行病学中的应用与人类医学相比是不发达的.
研究的目的:
- 开发可解释的ML模型来预测猫的OV感染.
- 为了确定与猫群中的Ov感染相关的关键风险因素.
- 利用ML提高兽医流行病学洞察力.
主要方法:
- 使用了五个ML算法:分类树,随机森林,坡物流回归 (Ridge LR),极端梯度增强和支持向量机器 (SVM).
- 使用特征选择 (mRMR),超参数调整和SMOTE进行模型优化.
- 应用夏普利添加剂解释 (SHAP) 用于风险因素的识别.
主要成果:
- 优化的Ridge LR和SVM模型显示出可靠的性能 (ROC-AUC> 0.7).
- 发现的关键风险因素包括生活在被洪水淹没的地区,养猫的鱼,以及每年的高降雨量.
- 调整后的SVM实现了0.723的测试ROC-AUC和0.682.2的平衡精度.
结论:
- 可解释的ML模型显示了预测猫的OV感染的前景.
- 环境和养做法是 Ov 传播的关键决定因素.
- 这些发现支持开发有针对性的,基于风险的干预措施,以有效控制OV.
