Prediktion af Infektionssygdomme i LMIC'er ved Brug af Elektroniske Patientjournaldata (DiGi)

Dengue er en hurtigt fremvoksende infektionssygdom i Syd- og Sydøstasien. En definitiv diagnose kræver laboratorietestning (PCR eller antigentestning), som ofte ikke er tilgængelig i områder med den højeste incidens. Korrekt identifikation af patienter, der har dengue, og det lille antal patienter med dengue, der vil udvikle sig til alvorlig sygdom, er vigtigt for at sikre hurtig indførelse af passende behandlinger.

Eksisterende modeller bruger en kombination af kliniske og laboratoriemæssige funktioner. En model udviklet og testet på data fra 397 patienter indlagt på Hospital for Tropical Diseases i Bangkok i 2013-2014 brugte Bayesiansk modellering af variabler (lever og fuldt blodtal) og kliniske symptomer (herunder feber, petekkier, blødning) for at skelne dengue fra andre febersygdomme. Den resulterende model havde en AUC på 0,75, som forbedrede sig til 0,8, når NS1 var inkluderet. Sequential Organ Failure (SOFA)-score eller modificerede versioner bruger vitale tegn og blodprøve (lever, nyre og hæmatologi) data og er gode indikatorer for dem, der sandsynligvis vil dø. De fungerer dog mindre godt ved moderat alvorlige sygdomme (f.eks. forudsigelse af behov for intensiv afdeling).

Disse tilgange er lovende, men er begrænset af begrænset generaliserbarhed, brug af flere blodprøver og kliniske symptomer. Et lavpris, nemt værktøj, der hurtigt kan diagnosticere dengue og forudsige sygdomsalvorlighed, ville være af stor værdi i regionen. Med moderne maskinlæringsmetoder er dette nu muligt, og tidligere identificerede barrierer såsom behovet for store mængder træningsdata kan nu overvindes. For eksempel kan modeller skabes fra store datasæt, men derefter optimeres for mindre forskellige datasæt (data enten fra andre steder/betingelser eller med mindre inputdata).

Vi har tidligere vist, at datadrevne maskinlæringsalgoritmer kunne generalisere på tværs af flere National Health Service (NHS)-stiftelser i Storbritannien (for at forudsige COVID-19). Mens vi oprindeligt trænede på data fra over 77.000 patienter, skabte vi en model, der kun krævede vitale tegn og sengsideblodtal for at forudsige COVID-19-diagnose hos patienter, der præsenterede sig på britiske hospitaler. Vi har demonstreret evnen til at tilpasse denne model til et lav-mellemindkomstland (LMIC) ved hjælp af data fra to vietnamesiske hospitaler. De tilpassede modeller opnåede AUROC omkring 0,75 og AUPRC omkring 0,89 (svarende til britiske steder, hvor meget større mængder data var tilgængelige). Udførelse af "transfer learning", hvorved en lille delmængde af britiske data blev brugt til at understøtte modeludvikling i Vietnam, forbedrede præstationer med 5-10%. Vi fandt også, at brug af statistiske metoder til at håndtere manglende værdier yderligere kan forbedre prædiktiv præstation med 2-5%. Denne maskinlæringsmodel kan også fungere som en 'baselinemodel' og tilpasses til en ny opgave, dvs. dengue.