Prediksjon av smittsomme sykdommer i lav- og mellominntektsland ved bruk av elektroniske pasientjournaldata (DiGi)

Dengue er en raskt fremvoksende infeksjonssykdom i Sør- og Sørøst-Asia. Definitiv diagnose krever laboratorietesting (PCR eller antigentesting) som ofte ikke er tilgjengelig i områder med høyest forekomst. Riktig identifisering av pasienter som har dengue, og det lille antallet pasienter med dengue som vil utvikle seg til alvorlig sykdom, er viktig for å sikre rask iverksetting av passende behandling.

Eksisterende modeller bruker en kombinasjon av kliniske og laboratoriemessige trekk. En modell utviklet og testet på data fra 397 pasienter innlagt på Hospital for Tropical Diseases i Bangkok i 2013–2014 brukte bayesiansk modellering av variabler (lever- og full blodtelling) og kliniske symptomer (inkludert feber, petekkier, blødning) for å skille dengue fra andre febersykdommer. Den resulterende modellen hadde en AUC på 0,75 som forbedret seg til 0,8 når NS1 ble inkludert. Sequential Organ Failure (SOFA)-score, eller modifiserte versjoner, bruker vitale tegn og blodprøve (lever, nyre og hematologi) data og er gode indikatorer for de som sannsynligvis vil dø. Imidlertid fungerer de mindre godt for moderat alvorlige sykdommer (f.eks. forutsier behov for intensivavdelingsopphold).

Disse tilnærmingene er lovende, men er begrenset av begrenset generaliserbarhet, bruk av flere blodprøver og kliniske symptomer. Et lavkostnad, enkelt verktøy som raskt kan diagnostisere dengue og forutsi sykdommens alvorlighetsgrad ville være av stor verdi i regionen. Med moderne maskinlæringsmetoder er dette nå gjennomførbart, og tidligere identifiserte hindringer som behovet for store mengder treningsdata kan nå overvinnes. For eksempel kan modeller lages fra store datasett, men deretter optimaliseres for mindre, forskjellige datasett (data enten fra andre steder/forhold, eller med mindre inndata).

Vi har tidligere vist at datadrevne maskinlæringsalgoritmer kunne generaliseres på tvers av flere National Health Service (NHS)-stiftelser i Storbritannia (for å forutsi COVID-19). Mens den opprinnelig ble trent på data fra over 77 000 pasienter, laget vi en modell som kun krever data om vitale tegn og sengside blodtelling som kunne forutsi COVID-19-diagnose hos pasienter som presenterte seg på britiske sykehus. Vi har demonstrert evnen til å tilpasse denne modellen for et lav-mellominntektsland (LMIC)-miljø ved bruk av data fra to vietnamesiske sykehus. De tilpassede modellene oppnådde AUROC rundt 0,75 og AUPRC rundt 0,89 (liknende britiske steder der mye større datamengder var tilgjengelig). Å utføre «transfer learning», der en liten delmengde av britiske data ble brukt for å støtte modellutvikling i Vietnam, forbedret ytelsen med 5–10 %. Vi fant også at bruk av statistiske metoder for å håndtere manglende verdier kan ytterligere forbedre prediktiv ytelse med 2–5 %. Denne maskinlæringsmodellen kan også fungere som en «baselinemodell» og tilpasses for en ny oppgave, dvs. dengue.