Predikce infekčních onemocnění v zemích s nízkými a středními příjmy pomocí dat z elektronických zdravotních záznamů (DiGi)

Dengue je rychle se rozvíjející infekční onemocnění v jižní a jihovýchodní Asii. Definitivní diagnóza vyžaduje laboratorní testování (PCR nebo testování antigenů), které často není k dispozici v oblastech s nejvyšším výskytem. Správné identifikování pacientů, kteří mají dengue, a malého počtu pacientů s dengue, u kterých se onemocnění rozvine do těžké formy, je důležité pro zajištění včasného zahájení vhodné léčby.

Existující modely používají kombinaci klinických a laboratorních znaků. Model vyvinutý a testovaný na datech od 397 pacientů přijatých do Nemocnice pro tropické nemoci v Bangkoku v letech 2013 - 2014 použil bayesovské modelování proměnných (jaterní testy a kompletní krevní obraz) a klinických příznaků (včetně horečky, petechií, krvácení) k odlišení dengue od jiných horečnatých onemocnění. Výsledný model dosáhl AUC 0,75, které se zlepšilo na 0,8, když byl zahrnut NS1 antigen. Skóre sekvenčního orgánového selhání (SOFA) nebo jeho modifikované verze používají data o vitálních znacích a krevních testech (jaterní, renální a hematologické) a jsou dobrými ukazateli těch, kteří pravděpodobně zemřou. Nicméně, fungují méně dobře u středně těžkých onemocnění (např. při předpovídání potřeby přijetí na JIP).

Tyto přístupy jsou slibné, ale jsou omezeny omezenou generalizovatelností, používáním více krevních testů a klinických příznaků. Nízkonákladový a snadný nástroj schopný rychle diagnostikovat dengue a předpovědět závažnost onemocnění by byl v regionu velkou hodnotou. S moderními metodami strojového učení je to nyní proveditelné a dříve identifikované překážky, jako je potřeba velkého množství tréninkových dat, lze nyní překonat. Například modely lze vytvořit z velkých datových sad, ale poté optimalizovat pro menší a odlišné datové sady (data buď z jiných lokalit/podmínek, nebo s menším množstvím vstupních dat).

Již dříve jsme ukázali, že datově řízené algoritmy strojového učení by mohly být generalizovatelné napříč více trusty britského Národního zdravotního systému (NHS) (pro předpovídání COVID-19). Zatímco jsme původně trénovali na datech od více než 77 000 pacientů, vytvořili jsme model vyžadující pouze data o vitálních znacích a krevní obraz u lůžka, který byl schopen předpovědět diagnózu COVID-19 u pacientů přicházejících do britských nemocnic. Prokázali jsme schopnost přizpůsobit tento model pro prostředí země s nižším středním příjmem (LMIC) pomocí dat ze dvou vietnamských nemocnic. Přizpůsobené modely dosáhly AUROC přibližně 0,75 a AUPRC přibližně 0,89 (podobně jako na britských pracovištích, kde bylo k dispozici mnohem více dat). Provedení "transfer learning", při kterém byla malá podmnožina britských dat použita k podpoře vývoje modelu ve Vietnamu, zlepšilo výkonnost o 5-10 %. Také jsme zjistili, že použití statistických metod pro řešení chybějících hodnot může dále zlepšit prediktivní výkonnost o 2-5 %. Tento model strojového učení může také fungovat jako 'základní model' a být přizpůsoben pro nový úkol, tj. dengue.