Explainable machine learning-assisted differentiation of brucellosis from tuberculosis via routine blood biomarkers
本研究开发并验证了一种基于职业史、ALT和GGT水平的具有成本效益的三变量随机森林模型，用于在基层医疗环境中准确区分布鲁氏菌病与结核病，其表现稳健且可媲美更复杂的模型。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在世界许多地方，特别是在中亚的牧区，有两种截然不同的细菌感染经常以完全相同的面貌出现在诊所的门口。一种是布鲁氏菌病，这种疾病通过羊、牛等动物传播；另一种是结核病，这是一种困扰了人类几个世纪的呼吸道感染。两者都会导致患者出现发热、盗汗、关节疼痛和体重减轻等不适症状。由于它们的症状高度重叠，基层医疗机构的医生往往难以将二者区分开来。确认诊断的标准方法（如在实验室培养细菌）可能需要数周甚至数月的时间，而且这些测试并不总是成功。这种延迟是危险的：治疗错误的疾病可能导致严重的并发症，而等待时间过长则会让感染在体内扎根更深。在先进医疗设备匮乏的地方，寻找一种快速、廉价且可靠的方法来区分这两种疾病是一项紧迫的需求。
为了应对这一挑战，中国新疆的一组研究人员转向了计算机科学领域中的机器学习。这种方法允许计算机在大型数据集中发现人类肉眼可能忽略的复杂模式。研究人员收集了数百名已被诊断为布鲁氏菌病或结核病的患者的医疗记录。他们专注于几乎在每家医院都能获取的信息：常规血液检查以及一个关于患者职业的简单问题。他们想看看计算机是否能够学会识别这些日常数据中指示患者患有哪种疾病的细微差别，而无需使用昂贵或耗时的专门测试。
该团队首先收集了273名患者的数据，确保布鲁氏菌病组和结核病组在年龄和性别上相似，以使比较公平。他们查看了35种不同的信息，范围从患者的白细胞计数到肝脏中各种蛋白质的水平。然后，他们将这些数据输入到四种不同类型的机器学习算法中，这些算法本质上是寻找模式的不同数学方法。目标是观察哪种方法能最准确地将患者分类到正确的疾病类别中。经过测试和优化模型后，研究人员发现一种被称为“随机森林”的特定算法表现最好。它成功地以极高的准确度区分了这两种疾病，其表现优于所测试的其他方法。
然而，如果医生无法理解计算机为何做出某种决策，那么一个运行良好的计算机模型也是不够的。为了解决这个问题，研究人员使用了一种称为SHAP分析的技术，它就像一束聚光灯，展示了哪些特定的信息对计算机的选择最为重要。他们发现，该模型主要依赖于三个因素：患者的职业，以及血液中两种特定肝酶的水平。第一个因素是患者是否从事农牧业工作。另外两个因素是丙氨酸氨基转移酶（通常称为ALT）和γ-谷氨酰转肽酶（或GGT）的测量值。分析显示，从事畜牧业且这两类肝酶水平较高的患者，更有可能患有布鲁氏菌病。相反，肝酶水平较低且没有务农史的患者，则更有可能患有结核病。
随后，研究人员利用仅包含这三个因素构建了一个简化版的模型。他们想要证明，不需要复杂的35个变量也能获得良好的结果。当他们测试这个精简后的模型时，它保留了完整复杂版本90%以上的准确度。这意味着，医生只需通过查看标准的肝功能血检报告并询问患者的职业，就有可能做出极具参考价值的诊断判断。为了确保这一发现并非偶然，团队在另一组来自不同时期的患者身上测试了这个简化模型。该模型在这一新群体中的表现同样出色，正确识别了绝大多数病例，证明了即使应用于新数据，该模型也是可靠的。
这两个发现背后的生物学原理在观察这两种细菌在人体内的行为时是非常合理的。布鲁氏菌（引起布鲁氏菌病的细菌）具有侵入肝脏及其内部免疫细胞的强烈倾向，从而引起炎症和损伤，导致血液中ALT和GGT水平升高。相比之下，结核分枝杆菌主要影响肺部，对肝脏的直接损伤较小，因此会导致这些特定酶的水平较低。与农业和牧业相关的联系也显而易见，因为这些职业涉及与携带该细菌的动物密切接触。通过将这种生物学现实与机器学习的力量相结合，研究人员创造了一个既有科学依据又具实用价值的工具。
这项研究表明，在资源有限的地区，开发低成本、易于使用的诊断辅助工具是可能的。该工具不需要新的设备或昂贵的试剂；它只是对已经在进行的常规血液检查进行了重新解读。研究人员证实，他们的简化模型不仅准确，而且稳定，这意味着它能给出一致的结果。虽然该研究是在单一医院进行的，需要在其他地点进行更多测试才能得到充分验证，但其结果提供了一条充满希望的路径。对于基层医疗的医生来说，这种方法可能意味着患者能更快地接受正确的治疗，而不是遭受延迟诊断的痛苦。它将一个复杂的医学问题转化为基于日常事实的简单计算，为在这些两种疾病高发地区保护公众健康提供了一种新途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。