文献

J-GLOBAL ID：202202217135367591   整理番号：22A0897368

QCovSML:積層機械学習モデルによるCBCバイオマーカーを用いた信頼できるCOVID-19検出システム【JST・京大機械翻訳】

QCovSML: A reliable COVID-19 detection system using CBC biomarkers by a stacking machine learning model

著者 (12件)： Rahman Tawsifur (Department of Electrical Engineering, Qatar University, Doha, 2713, Qatar) ,  Khandakar Amith (Department of Electrical Engineering, Qatar University, Doha, 2713, Qatar) ,  Abir Farhan Fuad (Department of Electrical and Electronics Engineering, University of Dhaka, Dhaka, 1000, Bangladesh) ,  Faisal Md Ahasan Atick (Department of Electrical and Electronics Engineering, University of Dhaka, Dhaka, 1000, Bangladesh) ,  Hossain Md Shafayet (Dept. of Electrical, Electronics and Systems Engineering, Universiti Kebangsaan Malaysia, Bangi, Selangor, 43600, Malaysia) ,  Podder Kanchon Kanti (Department of Biomedical Physics & Technology, University of Dhaka, Dhaka, 1000, Bangladesh) ,  Abbas Tariq O. (Urology Division, Surgery Department, Sidra Medicine, Doha, 26999, Qatar) ,  Alam Mohammed Fasihul (Department of Public Health, College of Health Sciences, QU Health, Qatar University, Doha, 2713, Qatar) ,  Kashem Saad Bin (Department of Computing Science, AFG College with the University of Aberdeen, Doha, Qatar) ,  Islam Mohammad Tariqul (Dept. of Electrical, Electronics and Systems Engineering, Universiti Kebangsaan Malaysia, Bangi, Selangor, 43600, Malaysia) ,  Zughaier Susu M. (Department of Basic Medical Sciences, College of Medicine, QU Health, Qatar University, Doha, 2713, Qatar) ,  Chowdhury Muhammad E.H. (Department of Electrical Engineering, Qatar University, Doha, 2713, Qatar)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 143  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 逆転写-ポリメラーゼ連鎖反応(RT-PCR)試験は,コロナウイルス病(COVID-19)の検出のための現在の金標準と考えられているが,いくつかの欠点,すなわち,比較的長いターンアラウンド時間,約20-25%の高い偽陰性率,およびより高いコスト装置に悩まされている。したがって,COVID-19診断のためのRT-PCRに対する効率的,ロバスト,正確,および広く利用可能な代替法を見つけることは,最も重要である。本研究は,積層機械学習(SML)モデルを用いた完全血球数(CBC)バイオマーカーに基づくCOVID-19検出システムを提案し,これは迅速で安価な代替である。本研究は,2020年2月から5月までのイタリア,San Raphael病院に入院した1624人の患者(52%のCOVID-19陽性)から収集された15のCBCバイオマーカーからなる7つの異なる公的に利用可能なデータセットを用いて,提案モデルを訓練し,検証した。入院中の患者から採取した白血球数,単球(%),リンパ球(%),および年齢パラメータは,5つの異なる特徴選択技術を用いたCOVID-19疾患予測のための重要なバイオマーカーであった。著者らの積層モデルは,それぞれ,加重精度,感度,特異性,総合精度,およびF1スコアが91.44%,91.45%,および91.45%の最良性能をもたらした。積層機械学習モデルは,他の最先端の機械学習分類器と比較して性能を改善した。最後に,ノモグラムベースのスコアリングシステム(QCovSML)を,COVID-19患者を予測するためにこの積層アプローチを用いて構築した。COVID-19と非COVID患者を分類するためのQCvSMLシステムのカットオフ値は4.8であった。3つの異なる国からの6つのデータセットを用いて,その一般化可能性とロバスト性を評価するために,提案モデルを外部的に検証した。ノモグラムは,内部コホートで0.961の曲線下面積(AUC)と全外部検証コホートで0.967の平均AUCで良好な較正と識別を示した。外部検証は,平均加重精度,感度,F1スコア,特異性,および総合精度がそれぞれ92.02%,95.59%,93.73%,90.54%,および93.34%であることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ノモグラム ,  *学習モデル ,  金 ,  血球 ,  リンパ球 ,  ターンアラウンド時間 ,  特徴選択 ,  母集団 ,  ロバスト性 ,  単球 ,  逆転写 ,  PCR法 ,  *バイオマーカー ,  *機械学習 ,  RT-PCR法

著者キーワード (5件)： COVID-19 ,  検出 ,  完全血液数(CBC) ,  積層機械学習 ,  RT-PCR

分類 (1件)： 微生物検査法  (EG02020G)

タイトルに関連する用語 (6件)： 機械学習 ,  モデル ,  バイオマーカー ,  信頼 ,  COVID-19 ,  検出システム