开发机器学习模型,根据症状和流行病学信息,在国际旅行者中诊断流感
Yusuke Asai1, Kei Yamamoto2, Hidetoshi Nomoto2
1Japan Institute for Health Security, National Center for Global Health and Medicine, Disease Control and Prevention Center, Tokyo, Japan; Japan Institute for Health Security, Center for Clinical Sciences, Department of Data Science, Tokyo, Japan.
Travel medicine and infectious disease
|March 7, 2026
概括
机器学习模型现在可以通过将旅行数据与症状结合起来,在国际旅行者中诊断流感. 这种方法显著提高了诊断的准确性,有助于早期检测和预防传染病的传播.
科学领域:
- 传染病流行病学 传染病流行病学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 进口传染病构成了日益严重的全球健康挑战.
- 传统的流感诊断依赖于症状和临床测试.
- 国际旅行者需要新的诊断方法.
研究的目的:
- 开发和评估用于在国际旅行者中诊断流感的机器学习模型.
- 将流行病学数据 (目的地病例数,潜伏期) 纳入诊断模型.
- 为了提高进口病例流感诊断的准确性.
主要方法:
- 利用了来自国外的日本传染病登记处的数据.
- 采用多变量逻辑回归和机器学习技术.
- 开发了使用临床症状和流行病学评分的诊断模型.
主要成果:
- 发烧和咳是流感感染的显著预测因素 (p<0.001).
- 流行病学得分也被证明是一个重要的预测指标 (p<0.001).
- 机器学习模型表现出高精度,神经网络达到93%的精度.
结论:
- 综合流行病学信息可以提高流感诊断的准确性.
- 机器学习模型为诊断复杂的传染病提供了强大的工具.
- 调查结果可以为旅行者和公共卫生倡议提供信息,以减轻疾病传播.


