使用血清红外光谱和机器学习算法对查加斯病进行查的新方法
Matthews Martins1, Ângelo Antônio Oliveira Silva2,3, Felipe Silva Santos de Jesus2,3
1Department of Physiological Sciences, Federal University of Espírito Santo, Av. Mal. Campos, 1468-Maruípe, Vitória, Espírito Santo 29047-105, Brazil.
ACS infectious diseases
|August 28, 2025
概括
这项研究表明,将富里埃变换红外光谱 (FTIR) 与机器学习 (ML) 结合起来,为查加斯病 (CD) 诊断提供了一个有前途的新方法. 这种方法可以为当前的诊断测试提供一个成本效益高的替代方案,尤其是在资源有限的地区.
科学领域:
- 光谱学和分析化学
- 计算生物学和生物信息学
- 传染病和流行病学
背景情况:
- 查加斯病 (CD) 影响全球数以百万计的人,由于寄生虫水平较低和目前的血清学测试的局限性,诊断具有挑战性.
- 由于人类迁徙, 疾病的地域传播正在增加.
- 对于查加斯病来说, 需要更好,更方便的诊断工具.
研究的目的:
- 评估与机器学习 (ML) 结合的减弱总反射率福里埃变换红外光谱的查加斯病的诊断能力.
- 在干燥和湿样本分析条件下比较ATR-FTIR/ML的性能.
- 评估这种新方法的潜力,作为一种具有成本效益的诊断替代方案.
主要方法:
- 使用ATR-FTIR光谱分析了100名患者 (49名CD阳性,51名对照者) 的血清样本.
- 使用各种机器学习算法 (逻辑回归,PLS-DA,随机森林,XGBoost) 来处理光谱数据进行分类.
- 用准确度,F1分数和接收器操作特征曲线下的面积 (AUC) 来评估模型性能.
主要成果:
- 在干燥样本上,物流回归获得了93%的准确性和F1分数,而XGBoost在湿样本上获得了87%的准确性和F1分数.
- 在ROC曲线下的面积特别高:在干燥分析中为0.99,在湿分析中为0.92.
- 转换试验证实了开发的分类模型的稳定性和可靠性.
结论:
- 与ML相结合的ATR-FTIR光谱为查加斯病提供了一个非常有前途的诊断策略.
- 这种方法显示出作为传统血清分析的高效和成本效益替代品的潜力,特别是在资源有限的环境中.
- 需要对更大群体进行进一步的验证,以确认其临床适用性和特异性,以便在查加斯病管理中广泛采用.


