Прогнозирование инфекционных заболеваний в странах с низким и средним уровнем дохода с использованием данных электронных медицинских карт (DiGi)

Денге — это быстро возникающее инфекционное заболевание в Южной и Юго-Восточной Азии. Окончательный диагноз требует лабораторного тестирования (ПЦР или тестирование на антигены), которые часто недоступны в условиях с наибольшей заболеваемостью. Правильное определение пациентов, у которых есть денге, и небольшого числа пациентов с денге, у которых заболевание прогрессирует до тяжёлой формы, важно для обеспечения своевременного назначения соответствующего лечения.

Существующие модели используют комбинацию клинических и лабораторных признаков. Модель, разработанная и протестированная на данных 397 пациентов, поступивших в Госпиталь тропических болезней в Бангкоке в 2013–2014 годах, использовала байесовское моделирование переменных (печень и общий анализ крови) и клинических симптомов (включая лихорадку, петехии, кровотечения) для отличия денге от других лихорадочных заболеваний. Результирующая модель показала AUC 0,75, который улучшился до 0,8 при включении NS1. Баллы последовательной органной недостаточности (SOFA) или их модифицированные версии используют данные о жизненных показателях и анализах крови (печень, почки и гематология) и являются хорошими индикаторами вероятности смерти. Однако они менее эффективны при умеренно тяжёлых заболеваниях (например, прогнозирование необходимости поступления в ОРИТ).

Эти подходы перспективны, но ограничены ограниченной обобщаемостью, использованием множественных анализов крови и клинических симптомов. Недорогой и простой инструмент, способный быстро диагностировать денге и предсказывать тяжесть заболевания, был бы очень ценен в регионе. С помощью современных методов машинного обучения это теперь осуществимо, и ранее выявленные барьеры, такие как требование больших объёмов обучающих данных, теперь можно преодолеть. Например, модели могут быть созданы на основе больших наборов данных, но затем оптимизированы для меньших и различных наборов данных (данные либо из других мест/условий, либо с меньшим объёмом входных данных).

Мы ранее показали, что управляемые данными алгоритмы машинного обучения могут обобщаться по нескольким трастам Национальной службы здравоохранения (NHS) Великобритании (для прогнозирования COVID-19). Хотя изначально обученная на данных более чем 77 000 пациентов, мы создали модель, требующую только данных о жизненных показателях и прикроватного анализа крови, способную предсказывать диагноз COVID-19 у пациентов, поступающих в больницы Великобритании. Мы продемонстрировали возможность адаптации этой модели для условий страны с низким средним уровнем дохода (LMIC), используя данные двух вьетнамских больниц. Адаптированные модели достигли AUROC около 0,75 и AUPRC около 0,89 (аналогично британским центрам, где было доступно гораздо больше данных). Выполнение «переноса обучения», при котором небольшое подмножество данных из Великобритании использовалось для поддержки разработки модели во Вьетнаме, улучшило производительность на 5–10%. Мы также обнаружили, что использование статистических методов для обработки пропущенных значений может дополнительно улучшить прогностическую производительность на 2–5%. Эта модель машинного обучения также может функционировать как «базовая модель» и быть адаптирована для новой задачи, например, для денге.