Machine Learning Classification of Cryopathy Syndromes: A Comprehensive Comparative Study

Technische Samenvatting: Machine Learning Classificatie van Cryopathie Syndromen

Probleemstelling
De classificatie van cryopathie syndromen vormt een aanzienlijke diagnostische uitdaging vanwege de overlap van laboratoriumpatronen tussen verschillende diagnostische categorieën en de zeldzaamheid van bepaalde aandoeningen. De routinematige interpretatie van cryoglobuline-gerelateerde tests steunt vaak op deskundig oordeel, aangezien standaard laboratoriumpanels een beperkt beeld geven van de immunologische status, waarbij enkelvoudige profielen compatibel zijn met meerdere diagnoses. Deze studie adresseert de specifieke computationele uitdaging van het automatiseren van de multiclassificatie van cryopathie syndromen op basis van routinematige laboratoriumgegevens. De taak wordt gekenmerend door een ernstige klassenonbalans (een onbalansratio van meer dan 80:1), een beperkte feature-ruimte en een werkelijke klinische overlap tussen 14 verschillende diagnostische categorieën, waaronder auto-immuun-, immuundeficiëntie-gerelateerde, allergische, mediator-type, virus-geassocieerde en controlegroepen.

Methodologie
De studie maakte gebruik van een dataset van 2.686 patiëntendossiers uit een klinisch immunologisch laboratorium in Lviv, Oekraïne, verspreid over de pre-COVID, COVID en oorlogstijd-perioden. De gegevens bevatten demografische variabelen, spectrofotometrische cryoglobulineniveaus, precipitatietesten en hemagglutinine/hemolysinetiters.

• Preprocessing en Feature Engineering: Ruwe gegevens ondergingen opschoning, codering en imputatie. Cruciaal waren zeven klinisch geïnformeerde engineered features die werden geconstrueerd, waaronder interacties tussen cryoglobulineniveaus en hemagglutinine-titers, ratio's van auto- versus isohemagglutinine en logaritmische transformaties van cryoglobulineniveaus.
• Modelleringskader: Alle algoritmen werden vanaf nul geïmplementeerd in NumPy om transparantie en reproduceerbaarheid te waarborgen, waarbij voorkeursinstellingen van specifieke bibliotheken werden vermeden. De studie evalueerde 12 modelleringsstrategieën:
  • Basisclassificatoren: Decision Trees, Random Forest (RF), Gradient Boosted Trees (GBT) en Multi-Layer Perceptron (MLP).
  • Ensemble-methoden: Soft-voting ensembles die RF, GBT en MLP combineren.
  • Geavanceerde Strategieën: Hiërarchische classificatie (pathogeen type naar specifieke diagnose), periode-bewuste modellen (afzonderlijke modellen voor verschillende epidemiologische perioden) en gerichte binaire classificatoren voor specifieke diagnostische paren.
  • Klassenbalans: Synthetic Minority Over-sampling Technique (SMOTE) en agressieve augmentatie met Gaussische ruis werden toegepast om de klassenonbalans aan te pakken.
  • Kalibratie: Platt scaling werd toegepast om de betrouwbaarheid van de waarschijnlijkheidsschattingen te verbeteren.
• Evaluatie: Prestaties werden beoordeeld met behulp van gestratificeerde train-test splits en gestratificeerde 5-voudige kruisvalidatie. De gebruikte metrieken waren de macro-gemiddelde F1-score, accuratesse, Cohen's kappa, Top-3 accuratesse en Expected Calibration Error (ECE).

Belangrijkste Resultaten

• Modelprestaties: De beste algemene multiclass-prestaties werden bereikt door een soft-voting ensemble van Random Forest en Gradient Boosted Trees (Macro F1: 0,1704). Boom-gebaseerde methoden presteerden consistent beter dan neurale netwerken; de MLP-modellen leverden de laagste prestaties op, wat suggereert dat deep learning voor deze kleine, heterogene tabelvormige dataset niet superieur is aan ensemble-baselines.
• Trade-off bij Klassenonbalans: Er werd een duidelijke trade-off waargenomen: modellen met sterkere augmentatie verbeterden de algemene accuratesse maar verlaagden de macro F1-scores (gevoeligheid voor minderheidsklassen), terwijl SMOTE-gebaseerde balans de macro F1 verbeterde ten koste van de algemene accuratesse.
• Feature Belangrijkheid: Permutatieanalyse toonde aan dat engineered features, met name de logaritmisch getransformeerde cryoglobulineniveaus en interactietermen met betrokkenheid van hemagglutinine-titers, informatiever waren dan de ruwe laboratoriumvariabelen.
• Binair versus Multiclass: Gerichte binaire classificatoren voor specifieke diagnostische paren presteerden aanzienlijk beter dan de volledige multiclass-modellen. De sterkste resultaten werden waargenomen bij het onderscheiden van Hepatitis C van Chronische Hepatitis (F1: 0,8000) en Cryovasculitis van Immuundeficiëntie-gerelateerde ziekte (F1: 0,7126).
• Temporele Stabiliteit: Periode-bewuste modellen presteerden niet beter dan een globaal model getraind op de gecombineerde dataset, wat aangeeft dat de relatie tussen laboratoriumkenmerken en diagnose stabiel bleef over de pre-COVID, COVID en oorlogstijd-perioden.
• Kalibratie en Shortlisting: Waarschijnlijkheidskalibratie verbeterde de betrouwbaarheid aanzienlijk voor de grootste klasse (Immuundeficiëntie-gerelateerde ziekte). Hoewel de Top-1 accuratesse beperkt was (0,2664), bereikte de Top-3 accuratesse 0,5310, wat aangeeft dat de correcte diagnose in de top drie van voorspellingen verscheen in meer dan de helft van de gevallen.

Betekenis en Claims
De auteurs positioneren dit werk als een verkennende studie die een gat in de literatuur vult, aangezien geen eerdere studies de multiclass machine learning classificatie van cryopathie syndromen vanuit routinematige cryoglobuline-data hebben behandeld. De studie claimt niet een klinisch gereed diagnostisch instrument voor volledige automatisering te hebben ontwikkeld. In plaats daarvan ligt de betekenis in het vaststellen van een kwantitatieve baseline en het voorstellen van een realistische, gefaseerde beslissingsondersteunende strategie.

Het artikel beargumenteert dat de meest praktische toepassing op korte termijn een hybride benadering is: het gebruik van een gekalibreerd multiclass ensemble om een shortlist van plausibele kandidaten te genereren (Top-3), gevolgd door gerichte binaire classificatoren voor moeilijke differentiële diagnostische paren. Deze aanpak sluit aan bij klinische redenering door de zoekruimte te verkleinen in plaats van het deskundig oordeel te vervangen. Daarnaast benadrukt de studie de waarde van domein-geïnformeerde feature engineering bij het onthullen van diagnostisch relevante structuren die ruwe data alleen niet kunnen vangen. De bevindingen suggereren dat hoewel volledige multiclass classificatie moeilijk blijft door klinische overlap, machine learning in staat is om diagnostisch relevante structuren in cryoglobuline-data te vangen wanneer dit wordt geïntegreerd met domeinkennis en geschikte evaluatiemetrieken.