Machine learning implementation for host-based infectious disease diagnostics

Technische Zusammenfassung: Implementierung von maschinellem Lernen für die wirtsspezifische Diagnostik infektiöser Krankheiten

Problemstellung
Die frühzeitige Identifizierung der Ätiologie von Infektionskrankheiten ist entscheidend für eine angemessene klinische Behandlung, doch Unsicherheit führt häufig zu unnötiger Antibiotikaexposition, was zur Selektion und Ausbreitung resistenter Organismen beiträgt. Traditionelle Diagnosemethoden, wie Bakterienkulturen und gezielte PCR, stehen vor Einschränkungen hinsichtlich der Geschwindigkeit, der Voraussetzung eines vermuteten Erregers sowie der Überschneidung unspezifischer Entzündungsbiomarker bei bakteriellen, viralen und nichtinfektiösen Zuständen. Wirtsspezifische Diagnostik, welche die biologische Reaktion des Patienten (z. B. transkriptomische Signaturen, Zytokine, physiologische Signale) statt den Erreger selbst evaluiert, bietet einen potenziellen Lösungsansatz. Die Integration dieser vielfältigen Datenmodalitäten mit maschinellem Lernen (ML) erfordert jedoch eine systematische Bewertung, um zu bestimmen, welche Algorithmen am besten für spezifische Datentypen geeignet sind und wie die Leistung in der Literatur derzeit berichtet wird.

Methodik
Diese Studie führte eine systematische Literaturrecherche durch, die zwischen Januar 2020 und August 2025 veröffentlicht wurde. Die Suche nutzte vier Quellen: Nature, PLOS, PubMed und Elsevier, wobei quellenangepasste Suchstrings verwendet wurden, um Studien zu erfassen, die ML auf klinische Patientendaten zur Pathogenerkennung, Infektionsklassifizierung (z. B. bakteriell vs. viral) oder Wirtsreaktionsdiagnostik anwenden.

• Auswahlkriterien: Von 144 abgerufenen Datensätzen bestanden 51 das initiale Screening auf Wirtsdiagnostik. Nach Ausschluss von Studien, denen geeignete ML-Diagnosemodelle fehlten oder die sich ausschließlich auf In-vitro-Systeme konzentrierten, erfüllten 21 Artikel die endgültigen Eignungskriterien.
• Datenextraktion: Die Übersicht extrahierte 54 distinkte Modellbewertungen aus den 21 Artikeln. Diese Bewertungen wurden nach Eingangsmodalität (strukturierte klinische Variablen, Gen-/Molekularexpressionsmessungen, medizinische Bildgebung, physiologische Signale und Mikroskopie) und Modellklasse kategorisiert.
• Modellfokus: Die Analyse konzentrierte sich auf vier primäre Klassen überwachter Modelle: Random Forest, Neuronale Netze, Support Vector Machines (SVM) und Logistische Regression.
• Bewertung: Der Autor bewertete die Konsistenz der Leistungsberichterstattung und stellte fest, dass eine formale Risiko-of-Bias-Bewertung (z. B. PROBAST) aufgrund der erheblichen Heterogenität der Studienziele und -designs nicht durchgeführt wurde. Stattdessen wurde die methodische Qualität während der Datensynthese deskriptiv bewertet.

Hauptergebnisse

• Modellverteilung: Random Forest war die am häufigsten evaluierte Modellklasse (23 von 54 Bewertungen, 42,6 %), gefolgt von Neuronalen Netzen (17, 31,5 %), Support Vector Machines (9, 16,7 %) und Logistischer Regression (5, 9,3 %).
• Modalitätsausrichtung: Bildgebungsstudien bevorzugten im Allgemeinen Ansätze mit Neuronalen Netzen, was wahrscheinlich auf deren Fähigkeit zurückzuführen ist, räumliche Merkmale aus hochdimensionalen Eingaben zu lernen. Im Gegensatz dazu nutzten Studien zur Molekularexpression häufig Random Forests.
• Leistungsberichterstattung: Ein direkter Vergleich der Modellleistung zwischen den Studien war aufgrund von Variationen in den Eingangsmodalitäten, der Kohortenzusammensetzung, der Vorverarbeitung, der Validierungsstrategien und der berichteten Endpunkte nicht möglich.
  • Metriken: Genauigkeit (Accuracy) und die Fläche unter der Receiver Operating Characteristic Curve (AUC) waren die dominierenden Leistungsmaße. 14 Bewertungen berichteten nur über Genauigkeit, 20 nur über AUC und 20 über beide Werte.
  • Defizite: Nur 16 Bewertungen (30 %) berichteten über zusätzliche klinisch informative Maße wie Sensitivität, Spezifität, F1-Score oder den Matthews-Korrelationskoeffizienten.
• Generalisierbarkeit: Die Evidenz stützte keine universell optimale Modellklasse. Die Leistung hing stark von der Abstimmung zwischen dem Algorithmus und den spezifischen biologischen und technischen Eigenschaften der Eingangsdaten ab.

Wesentliche Beiträge

1. Systematische Kartierung: Die Arbeit liefert eine umfassende Kartierung der aktuellen Landschaft der wirtsspezifischen diagnostischen ML, wobei die Prävalenz spezifischer Algorithmen über verschiedene Datenmodalitäten hinweg detailliert wird.
2. Berichtsanalyse: Sie hebt eine signifikante Lücke in den Berichtsstandards hervor, insbesondere die übermäßige Abhängigkeit von Genauigkeit und AUC bei gleichzeitiger Unterberichterstattung von klassenspezifischen Metriken (Sensitivität, Spezifität) und Kalibrierungswerten, was die klinische Interpretierbarkeit dieser Modelle einschränkt.
3. Kontextuelle Modellwahl: Die Übersicht stellt fest, dass die Modellwahl durch die Struktur und die Beschränkungen der Eingangsdaten (z. B. Dimensionalität, Rauschstruktur) getrieben werden sollte, anstatt nach einem einzigen überlegenen Algorithmus zu streben.
4. Translationaler Rahmen: Sie skizziert die notwendigen Schritte für die klinische Translation, einschließlich der Notwendigkeit externer Validierung, transparenter Beschreibungen der Vorverarbeitung und der Entwicklung krankheitsagnostischer Outputs (z. B. bakteriell vs. viral vs. nichtinfektiös) anstelle von pathogen-spezifischen Klassifikatoren.

Bedeutung und Behauptungen
Der Autor behauptet, dass das maschinelle Lernen auf Wirtsbasis zwar ein klares Potenzial zur Unterstützung der Klassifizierung von Infektionskrankheiten und zur Reduzierung unnötiger Antibiotika-Behandlungen besitzt, das Feld jedoch derzeit durch methodische Heterogenität und inkonsistente Berichterstattung behindert wird. Die Arbeit postuliert, dass keine einzelne Modellklasse über alle Datentypen hinweg einheitlich überlegen ist. Stattdessen liegt die unmittelbarste Chance für Fortschritte in einer verbesserten Standardisierung. Der Autor argumentiert, dass eine konsistente Berichterstattung über Vorverarbeitung, Validierung, Hyperparameterwahl und eine breitere Palette von Leistungsmetriken (über AUC hinaus) essenziell ist, um Studien reproduzierbar und klinisch interpretierbar zu machen. Zukünftige Arbeiten müssen die Priorität auf generalisierbare, krankheitsagnostische Outputs und gezielte Biomarker-Panels legen, die innerhalb klinisch nützlicher Zeitrahmen messbar sind, um diese Systeme vom retrospektiven Nachweis zu wertvollen Entscheidungsunterstützungswerkzeugen zu entwickeln.