合成感染と免疫応答データを用いたCOVID-19とインフルエンザ感染間の区別のための機械学習アプローチ【JST・京大機械翻訳】

Farhang-Sardroodi, S.; Ghaemi, M.; Craig, M.; Ooi, H. K.; Heffernan, J. M.

プレプリント

J-GLOBAL ID：202202212183301855 整理番号：22P0319976

合成感染と免疫応答データを用いたCOVID-19とインフルエンザ感染間の区別のための機械学習アプローチ【JST・京大機械翻訳】

A Machine Learning Approach to Differentiate Between COVID-19 and Influenza Infection Using Synthetic Infection and Immune Response Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月29日プレプリントサーバーでの情報更新日： 2022年01月29日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データ解析は,ヒト疾患機構に新しい洞察を発生し,より良い治療法を提供するのに広く使用されている。本研究では,インフルエンザとCOVID-19患者の合成データを生成するためにウイルス感染の機構的モデルを使用した。次に,2つの感染を区別することができる教師つき機械学習モデルを開発して検証した。インフルエンザとCOVID-19は,異なる病原性ウイルスに起因するが,同様の初期提示で現れる伝染性呼吸器疾患である。一方,同じ一次徴候COVID-19は,より重度の症状,疾患およびより高い死亡率を生じる。予測モデル性能を,各コホートからの100の仮想患者についてROC AUC計量(受信者動作特性曲線下の面積)によって外部評価し,著者らのマルチクラス分類器を用いて少なくともAUC=91%を達成した。本研究は,ウイルス感染と免疫応答の主成分に基づく2つの異なる疾患を正確に同定するための機械学習モデルの能力を強調した。モデルは,特徴選択過程を通してウイルス負荷と産生感染細胞に対する主要な役割を予測した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

感染症・寄生虫症一般

, , , ,

前のページに戻る