Research Article
Les travaux proposés visent à concevoir et à mettre en œuvre une nouvelle technique d’apprentissage par transfert afin de permettre une meilleure compréhension des résultats à long terme en matière de santé et d’étayer des connaissances épidémiologiques adaptées.
Les séquelles post-aiguës du SRAS-CoV-2 (PASC) posent un environnement à risque extrême avec de graves conséquences, en particulier pour les personnes d’âge moyen et les personnes âgées et les personnes atteintes de problèmes de santé chroniques tels que les maladies cardiovasculaires, les cancers, les maladies respiratoires et le diabète. Les troubles physiques comprennent des douleurs corporelles sévères et persistantes, de la fatigue et des difficultés à bouger le corps. De même, les troubles de l’humeur tels que la dépression, les sautes d’humeur, les sentiments de désespoir et la difficulté à se concentrer sont des prédicteurs significatifs du PASC. Les individus, principalement des personnes d’âge moyen et des personnes âgées, sont confrontés à des conséquences physiques et mentales accrues, notamment des hospitalisations fréquentes, des conditions médicalement instables et, dans certains cas, des décès inattendus. L’identification rapide des CSAP est essentielle pour atténuer la gravité des problèmes de santé associés. Cette recherche recommande un modèle de transfert latent pour intégrer les données des patients de différentes régions, pour extraire des informations sur les données et pour fournir des solutions de soins de santé personnalisées. Cette étude met en évidence le potentiel du modèle d’apprentissage par transfert latent pour améliorer la simplification, la généralisation, la personnalisation, la détection des informations, la variabilité, l’évolutivité et l’adaptabilité des données afin d’améliorer les résultats en matière de santé publique.
La maladie à coronavirus de 2019 (COVID-19) a été identifiée pour la première fois à Wuhan, en Chine. Le 31décembre 2019, la Chine a signalé à l’Organisation mondiale de la santé (OMS) des maladies inflammatoires pulmonaires d’étiologie inconnue observées dans la ville de Wuhan, dans la province du Hubei, en Chine1. Du 31décembre 2019 au3 janvier 2020, 44 personnes ont été infectées par ce virus et avaient des antécédents de contact avec le marché de gros « Huanan Seafood ». Au début, les patients présentaient de la fièvre, de la fatigue et une toux sèche. L’épidémie de ce virus s’est produite le30 janvier 2020 et a été annoncée comme une urgence de santé publique de portée internationale par l’OMS1. À la mi-février 2020, plus de 25 pays étaient touchés par le nouveau coronavirus, avec respectivement 70 635 et 794 cas en Chine et dans d’autres pays. Mille sept cent soixante-douze morts (1772) en Chine et trois décès dans tous les pays ont été officiellement déclarés. Le 31décembre 2019, un tas de cas d’infection par la pneumonie ont été signalés, et l’OMS a signalé qu’aucun décès n’avait été signalé à Wuhan. En Thaïlande, le premier cas a été annoncé à Bangkok le 13janvier 2020 pour une Chinoise de 61 ans qui est revenue de la ville de Wuhan le8 janvier 2020 après avoir visité la ville de Wuhan. Elle présentait des symptômes de maux de gorge, de toux, de fièvre, de frissons et de maux de tête. La personne a été testée positive au COVID-19 sous surveillance thermique le8 janvier 2020 et admise à l’hôpital ce jour-là par des agents thaïlandais. La personne s’est rétablie de la maladie. La structure de séquençage génétique du virus a été partagée par le gouvernement chinois et a permis à davantage de pays d’examiner et de diagnostiquer efficacement les patients2.
Aux États-Unis d’Amérique, le premier cas a été signalé à Washington le 19janvier 2020 pour un homme de 35 ans qui est rentré de la ville de Wuhan le 15janvier 2020 après sa réunion de famille. Il présentait des symptômes de toux et de fièvre à partir du15 janvier 2020 et il lui a été conseillé de subir des tests médicaux. Il n’a pas été en contact avec une personne infectée par le COVID-19, mais lors de sa visite à Wuhan, il a été infecté par le COVID-19 en raison de l’épidémie en Chine. Il a été testé positif au COVIDle 20 janvier 2020 et a été mis en quarantaine dans une unité d’isolement aéroportée d’un centre médical. Après son admission dans le service d’isolement, il était normal avec un pouls de 110/min, une pression artérielle de 134/87 mmHg, une température corporelle de 37,2 °C, une fréquence respiratoire de 16 bpm et une saturation en oxygène de 96 % avec une auscultation pulmonaire normale. Des tests réguliers de surveillance et d’investigation COVID ont été effectués, et il a été noté avec une toux, des nausées et des vomissements pendant deux jours3. Le deuxième jour de son admission, il s’est plaint d’une gêne abdominale, et le lendemain, il n’y avait aucun signe d’anomalie dans la radiographie thoracique. Cependant, le cinquième jour, des signes significatifs de pneumonie ont été observés dans la radiographie thoracique et la saturation en oxygène a chuté à 90 %. On lui a conseillé de suivre une oxygénothérapie, qui a été complétée pour améliorer les niveaux de saturation. Le 8e jour, son état s’est amélioré et elle est sortie de la clinique. En Inde, le premier cas a été signalé au Kerala le 27janvier 2020 chez une jeune femme de 20 ans qui était revenue de la ville de Wuhan en raison de l’épidémie de COVID-19 en Chine. Elle était asymptomatique du 23janvier 2020 au 26janvier 2020 et a été témoin d’un mal de gorge et d’une légère toux à partir du 27janvier 2020. Elle n’a pas eu de contact avec les personnes infectées par le COVID-19, mais au cours de son voyage en train de Wuhan à Kunming, elle a remarqué plusieurs personnes souffrant de problèmes respiratoires, de rhumes et de toux. Par conséquent, les autorités gouvernementales du Kerala lui ont demandé de rester dans un endroit isolé et de se rendre dans un établissement médical pour tout symptôme de COVID développé dans les prochains jours. Après son admission à l’hôpital général, elle était normale avec un pouls de 82/min, une pression artérielle de 130/80 mmHg, une température corporelle de 98,5 °F et une saturation en oxygène de 96 % avec une auscultation pulmonaire normale. Des tests réguliers de surveillance et d’investigation COVID ont été effectués les 3, 7et 20e jours à compter du jour de la maladie. Des tests par écouvillonnage oropharyngé ont été effectués le premier jour et tous les deux jours pendant 23 jours à compter du jour de la maladie, et ont été testés négatifs à partir du 17e jour. Elle a été autorisée à passer tous les tests et est sortie de l’hôpital le 20février 20204.
Au Royaume-Uni, le premier cas de COVID-19 a été signalé le 23janvier 2020 par une femme de 50 ans qui était revenue de la ville de Wuhan après sa visite. Initialement, elle était asymptomatique et a développé des symptômes de fièvre, de faiblesse, de maux de gorge et de toux sèche le 26janvier 2020. Après son admission à l’hôpital général, elle était normale avec une fréquence respiratoire de 18/min, une tension artérielle de 120/80 mmHg, une température corporelle de 37,6 °C et une saturation en oxygène de 97 %. Des tests réguliers de surveillance et d’investigation COVID ont été effectués, et l’état du patient est cliniquement stable. Les premiers examens ont révélé qu’elle souffrait d’une légère lymphopénie et d’une augmentation de la protéine C-réactive. Après le 3ejour de son admission à l’hôpital, elle a été débarrassée de tous les symptômes, et les tests par écouvillonnage oropharyngé se sont révélés négatifs au COVID dès le deuxième jour à l’hôpital. Elle a été isolée pendant 2 semaines et ses tests par écouvillonnage du nez et de la gorge étaient négatifsà 5.
Les coronavirus (CoV) ont été découverts dans les années 1960 et ont été classés comme suit. Orthornavirae est appelé le royaume/domaine de divers virus qui contiennent des génomes constitués d’acide ribonucléique (ARN) et qui se traduisent par une ARN polymérase dépendante de l’ARN (RdRp). RdRp transcrit le génome de l’ARN viral en ARN messager (ARNm) et réplique le génome. Les caractéristiques des virus qui se trouvent dans les Orthornavirae comprennent l’évolution, les mutations génétiques, la recombinaison et le réassortiment6. Les génomes constitués d’ARN sont de trois types, à savoir les virus à ARN à brin positif, les virus à ARN à brin négatif (virus à ARNss) et les virus à ARN double brin (virus à ARNdb). Les virus à ARN à brin positif (+virus à ARNss) sont un ensemble de virus associés qui ont un ARN simple brin de sens positif. Le génome du virus +ssRNA peut être utilisé comme ARN messager (ARNm) et est directement transformé en protéines virales par les ribosomes des cellules hôtes. Les virus à ARNsss sont associés aux embranchements tels que Pisuviricota, Kitrinoviricota et Lenarviricota. Les virus à ARN à brin positif contiennent divers agents pathogènes tels que l’hépacivirus C, la dengue, Ebola, la rougeole, la rage, la grippe, le syndrome respiratoire aigu sévère CoV, le coronavirus du syndrome respiratoire du Moyen-Orient et le syndrome respiratoire aigu sévère CoV7. Les virus à ARN à brin négatif (virus à ARNss) sont un ensemble de virus associés qui ont un ARN simple brin de sens négatif. Le génome du virus -ssRNA peut être considéré comme un ARN messager (ARNm) et produit par une enzyme appelée ARN polymérase dépendante de l’ARN (RdRp). Les virus à ARNsb constituent l’embranchement Negarnaviricota. Les virus à ARN à brin négatif contiennent deux branches principales dans l’embranchement, à savoir Haploviricotina et Polyploviricotina. Les principaux virus de l’ARNsb des vertébrés sont Ebola, Hanta, la grippe, la fièvre de Lassa et la rage. Les virus à ARN double brin (virus à ARNdb) sont un ensemble de virus polyphylétiques qui ont des génomes à ARN double brin. Le génome de l’ARNdb transcrit un +ARNss par l’ARN polymérase virale dépendante de l’ARN (RdRp). Le génome du virus +ssRNA peut être utilisé comme ARN messager (ARNm) et est ouvertement transformé en protéines liées au virus par les ribosomes des cellules hôtes. Alors que le génome du virus -ssRNA peut servir d’ARN messager (ARNm) et être produit par une enzyme ARN polymérase dépendante de l’ARN (RdRp). Les virus à ARNdb sont associés aux embranchements Duplornaviricota et Pisuviricota. Les virus à ARN double brin comprennent les rotavirus (qui affectent les jeunes enfants) et le virus de la fièvre catarrhale du mouton (qui affecte les bovins et les ovins)8.
Le pisuviricota est appelé un phylum de virus à ARN, qui comprend tous les virus à ARNs + et l’ARNdb. Sa classification inférieure contient trois classes, à savoir, Duplopiviricetes, Pisoniviricetes et Stelpaviricetes. Les pisoniviricetes sont une classe de virus à ARNss qui infectent et contaminent les eucaryotes. Sa classification inférieure contient trois sous-classes, à savoir Nidovirales, Picornavirales et Sobelivirales. Nidovirales est un ordre d’ARNss enveloppé qui infecte et contamine les vertébrés et les invertébrés9. Il s’agit d’un sous-ordre de virus, à savoir les Abnidovirineae, les Cornidovirineae, les Nanidovirinae, les Arnidovirineae, les Mesnidovirineae et les Tornidovirineae. Diverses familles sont reconnues sous Nidovirales, telles que Abyssoviridae, Coronaviridae, Nanghoshaviridae, Nanhypoviridae, Arteriviridae, Medioniviridae, Cremegaviridae, Mesoniviridae, Euroniviridae, Gresnaviridae, Roniviridae, Tobaniviridae, Mononiviridae et Olifoviridae8. Les Coronaviridae sont une famille de virus à ARNss enveloppés qui infectent les mammifères, les amphibiens et les oiseaux. Sa classification inférieure contient deux sous-familles, les Letovirinae et les Orthocoronavirinae. Les membres des Orthocoronavirinae sont identifiés comme des coronavirus. Les coronavirus sont une sous-famille des Coronaviridae, qui est apparentée aux virus à ARN qui causent des infections chez les mammifères et les oiseaux. Chez les mammifères et les oiseaux, ces virus provoquent des infections respiratoires légères à graves, telles que des infections par écouvillonnage des voies respiratoires supérieures et des voies respiratoires inférieures10. Ces virus causent le SRAS, le MERS et la COVID-19 chez les humains et certains mammifères, la diarrhée chez les porcs et les vaches, l’hépatite et l’encéphalomyélite. Les coronavirus sont des +ARNss enveloppés qui appartiennent au règne des Orthornavirae, à l’embranchement des Pisuviricota, à la classe des Pisoniviricetes, à la sous-classe des Nidovirales, à la famille des Coronaviridae et à la sous-famille des Orthocoronavirinae. Les coronavirus sont classés en quatre genres, à savoir le coronavirus Alpha, le coronavirus Bêta, le coronavirus Gamma et le coronavirusDelta 11. Sur la base de ces recherches, les hypothèses suivantes sont formulées.
La mutation de pointe du coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) est extrêmement glycosylée. Il est d’une importance cruciale d’examiner les conséquences biologiques de ces mutations de pointe. Plus d’une mutation peut provenir de la même position dans la séquence de la protéine de pointe. Les séquences de la protéine de pointe ont permis d’estimer le large spectre de mutations détectées à travers le monde, et elles sont représentées dans le tableau 1. Les mutations considérées étaient la conséquence d’une transmission interhumaine du virus. La vaccination a provoqué des réactions immunitaires capables de neutraliser puissamment le SARS-CoV-212. Bien que des recherches scientifiques aient découvert l’avènement de variants du SRAS-CoV-2 dissimulant des mutations dans le spike, l’objectif principal restait la neutralisation des anticorps de l’hôte. Il y avait une indication évolutive d’une neutralisation réduite de certains variants du SRAS-CoV-2 après la vaccination. Les fabricants de vaccins ont formulé diverses plates-formes pour une mise à jour potentielle des structures vaccinales, et des études sur les variations génétiques et antigéniques dans la population mondiale de virus ont été menées avec des expériences pour mettre en lumière les influences phénotypiques des mutations13.
La base de données virale du National Center for Biotechnology Information (NCBI) contient 10333 protéines de pointe humaines du SRAS-CoV-2 provenant d’Afrique, d’Asie, d’Europe, d’Amérique du Nord, d’Amérique du Sud et d’Océanie. La dissémination de plusieurs mutations dans les protéines de pointe examinées à partir de différents emplacements géographiques est illustrée dans le tableau ci-dessus. Le tableau ci-dessus fournit des détails sur les coronavirus Alpha, Beta, Gamma et Delta, ainsi que leurs genres, caractéristiques et descriptions. Chaque genre est décrit par ses caractéristiques, telles que les caractéristiques fondamentales, les variantes, la signification, la forme, la mesure, la structure, la fusion membranaire, la libération, la contamination et la synthèse14.
Comme il est mentionné dans le tableau 1, les souches virales telles que HCoV-229E, HCoV-OC43, HCoV-NL63 et HCoV-HKU1 ont observé des symptômes légers à modérés de la maladie, tandis que le SRAS-CoV, le MERS-CoV et le SRAS-CoV-2 ont observé des symptômes critiques graves de la maladie chez l’homme. Les micro-organismes viraux traversent le corps et infectent la cellule hôte. Selon la catégorie de coronavirus, il infecte les cellules de différentes parties du corps hôte. Dès qu’il s’est attaché à la cellule forte et saine, il y entre15. Une fois que le virus s’est installé à l’intérieur de la cellule hôte, il se désencombrera, et son ADN et son ARN émaneront et se déplaceront vers le noyau. Ils se déplaceront en un fragment, ce qui entraînera diverses reproductions du virus. Ces copies vont sortir du noyau pour être assemblées et recevoir des protéines, qui protègent leur ADN et leur ARN. Ces nouvelles reproductions du virus quitteront les cellules précédemment infectées et malades pour contaminer à nouveau d’autres cellules hôtes saines et se multiplier. Si le système immunitaire de l’hôte réussit à combattre le coronavirus, l’individu ne tombera pas malade ; Sinon, des complications malsaines peuvent survenir. Si le système immunitaire ne parvient pas à contrôler le coronavirus, cela entraîne une pathogenèse. Avec cela, le virus pénètre dans le corps et infecte différents organes. Selon la gravité des signes ou des symptômes, l’individu prendra du repos ou cherchera une assistance médicale16. Le cycle de vie et les différentes souches de coronavirus sont représentés à la figure 1.
La figure ci-dessus décrit en détail le cycle de vie et les étapes du coronavirus. Il y a sept étapes, à savoir (1) l’attachement et l’admission, (2) la fusion et l’endocytose, (3) la protéolyse, (4) la traduction et le clivage, (5) la réplication, (6) l’exocytose et (7) la libération du virus mature. Dans la phase d’attachement et d’admission, les micro-organismes du coronavirus sont admis dans l’hôte, et l’objectif est de mettre en place des stratégies de reconnaissance et d’intervention résistantes à l’hôte. Pour pénétrer dans les cellules hôtes, ces virus se fixent d’abord au récepteur de surface d’une cellule pour se lier, puis pénètrent dans les endosomes et enfin commencent la fusion. Plus tard, le coronavirus fusionne avec les gaines lysosomales et liées au virus dans la cellule hôte. Une protéine de pointe fixée à la surface du virus interfère avec l’entrée de ces virus. L’endocytose est un processus cellulaire dans lequel une substance est transportée dans la cellule hôte17. Le matériau à adopter est entouré d’une gamme de gaines cellulaires, qui jaillissent ensuite à l’intérieur de la cellule hôte pour générer une vésicule englobant la substance ingérée. L’endocytose comprend la pinocytose et la phagocytose ; Le premier est la consommation de cellules, et le second est la consommation de cellules. La protéolyse est la détaillation de protéines liées au virus en polypeptides/acides aminés mineurs. La conversion structurée de l’ARNm est un processus post-transcriptionnel qui freine la communication des gènes et diverge rapidement de la profusion de protéines. Il joue un rôle principal dans de nombreuses procédures biologiques telles que la croissance cellulaire, le progrès cellulaire, la plasticité synaptique, les cornues de stress et le développement viral productif18. La procédure de traduction virale peut être divisée en trois phases, à savoir l’instigation, l’allongement et la dissolution.
La réplication virale est le processus de génération de virus génétiques par la contamination des cellules hôtes infectées. Pour que la reproduction virale se produise, les virus doivent d’abord pénétrer dans la cellule hôte. En répliquant à plusieurs reprises leur génome viral et en encapsulant ces copies, les virus survivent et continuent de se propager en infectant de nouvelles cellules hôtes19. L’exocytose est le mécanisme par lequel les vésicules contenant des particules virales sont sécrétées et libérées de la cellule infectée, ce qui permet aux virus nouvellement formés de pénétrer dans le corps hôte et d’infecter d’autres cellules saines. Les séquelles post-aiguës du SRAS-CoV-2 (PASC) sont reconnues comme un syndrome qui affecte principalement les poumons, bien qu’il puisse avoir un impact sur plusieurs organes, entraînant des lésions organiques ou même une défaillance d’organes20. De telles complications peuvent entraîner la mort ou des problèmes de santé à long terme. Par exemple, le cœur peut développer un risque accru d’insuffisance cardiaque ou d’autres complications ; les poumons peuvent présenter des difficultés respiratoires à long terme à la suite d’une pneumonie ; le cerveau peut être affecté par des accidents vasculaires cérébraux, des convulsions ou le syndrome de Guillain-Barré ; Et les reins peuvent subir des dommages pouvant entraîner un choc septique. Des lésions hépatiques peuvent survenir en raison d’un déséquilibre enzymatique, tandis que la rhabdomyolyse entraîne la dégradation du tissu musculaire, libérant de la myoglobine dans la circulation sanguine, ce qui peut devenir fatal si les reins ne peuvent pas la filtrer rapidement. D’autres complications comprennent la formation de caillots sanguins anormaux qui provoquent des hémorragies internes et une défaillance des organes, des infections secondaires dues à des bactéries telles que le streptocoque ou le staphylocoque, une coagulation intravasculaire disséminée due à des réponses de coagulation dysfonctionnelles et une fatigue chronique, souvent accompagnée d’un brouillard cérébral, d’une fatigue sévère, d’étourdissements ou d’une pensée altérée. Sur la base de ces défis, les hypothèses suivantes sont proposées : H1 : L’utilisation d’un algorithme d’apprentissage par transfert peut améliorer considérablement la précision de prédiction et la transférabilité des modèles en appliquant des données épidémiologiques pour identifier les PASC spécifiques à une région. H1a : Les modèles d’apprentissage profond qui sont affinés à l’aide de données épidémiologiques obtiennent de meilleurs résultats que les autres modèles. H1b : La combinaison de déterminants PASC spécifiques à une région avec des modèles d’apprentissage par transfert améliore la précision et l’efficacité de la classification et du clustering. H1c : Cette combinaison peut également révéler des modèles spécifiques à une région non divulgués ou négligés. H1d : L’apprentissage par transfert permet de réduire le temps de formation et d’accélérer la convergence par rapport aux autres modèles.
Access restricted. Please log in or start a trial to view this content.
Cette étude a été menée conformément aux directives éthiques pour la recherche impliquant des données humaines. Toutes les données des patients utilisées dans cette étude ont été entièrement anonymisées avant l’accès et l’analyse. Aucune information personnellement identifiable n’a été utilisée. Le protocole de recherche a été examiné et approuvé par l’Institutional Review Board (IRB), conformément à la Déclaration d’Helsinki. Le cas échéant, les autorisations d’accès aux données ont été obtenues auprès des autorités compétentes ou des dépôts de données. Étant donné que cette étude implique une analyse secondaire de données anonymisées, le consentement éclairé a été renoncé par le CEE. Le modèle de transfert latent proposé est une technique d’apprentissage semi-supervisé basée sur l’apprentissage automatique conçue pour trouver les modèles cachés et les transférer de l’ensemble de données source à l’ensemble de données cible, en veillant à ce qu’il soit très approprié pour l’analyse des problèmes épidémiologiques de PASC16. Les affections post-COVID se manifestent souvent par des symptômes divers au sein de différentes populations, ce qui entraîne des données incohérentes et éparpillées. Les travaux proposés abordent le problème des données éparses dues à divers symptômes dans différentes régions en apprenant des représentations latentes améliorées pour représenter des modèles de santé cachés à partir des ensembles de données, et en les représentant comme des ensembles de données émergents. Pour effectuer cette conversion, ces techniques de transfert latent utilisent des encodeurs automatiques ou variationnels pour représenter les données source et cible dans un espace latent commun. Et cet espace commun protège les modèles cachés obtenus, car les groupes de symptômes post-COVID sont bien préservés dans diverses régions21. Le prototype peut progresser davantage grâce à une meilleure généralisation avec adaptation de domaine. À l’aide de cette approche, le modèle peut aider à reconnaître et à prédire les grappes à risque et à soutenir la surveillance de la santé publique dans les régions éloignées. Ce travail améliore également l’apprentissage en réduisant la dépendance à l’égard de données entièrement étiquetées. Avec cela, l’approche proposée devient un outil puissant d’analyse des écarts en raison de son approche généralisée envers diverses populations.
1. Sources et collecte des données
Cette étude a utilisé des ensembles de données Kaggle accessibles au public (ensemble de données sur les maladies cardiovasculaires, ensemble de données sur la prédiction du cancer, ensemble de données sur la prédiction des diabétiques à un stade précoce et ensemble de données sur la prédiction de la santé mentale). Par conséquent, l’approbation de la CISR dans cette soumission n’est pas requise.
Pour les jeux de données impliquant des données d’image, le prétraitement a été effectué à l’aide de Python avec les bibliothèques TensorFlow et OpenCV. Les étapes de prétraitement comprenaient le redimensionnement de l’image (par exemple, 224 × 224 pixels), la conversion en niveaux de gris ou RVB, la normalisation des valeurs de pixels à la plage [0, 1] et les techniques d’augmentation des données (rotation, retournement, zoom) pour améliorer la généralisation du modèle et réduire le surapprentissage. Les tableaux d’images ont ensuite été convertis en tableaux NumPy pour un traitement ultérieur et la saisie du modèle.
Pour la sélection des caractéristiques, l’élimination récursive des caractéristiques (RFE) a été implémentée à l’aide de la classe RFE de Scikit-learn, généralement en conjonction avec une régression logistique ou un estimateur de forêt aléatoire. Le nombre de caractéristiques sélectionnées variait selon l’ensemble de données, mais une configuration courante consistait à réduire la dimensionnalité aux 10 à 15 caractéristiques les plus influentes en fonction de la notation récursive. Cette méthode a amélioré la précision de la classification tout en réduisant la complexité de calcul et le surajustement du modèle.
Cette étude a utilisé quatre ensembles de données accessibles au public de Kaggle. L’ensemble de données sur les maladies cardiovasculaires, l’ensemble de données sur la prédiction du cancer du sein, l’ensemble de données sur la prédiction du diabète à un stade précoce et l’ensemble de données sur la prédiction de la santé mentale. Ces ensembles de données ont été téléchargés directement à partir de Kaggle et se composent de données tabulaires structurées contenant des attributs cliniques et basés sur des enquêtes. Le prétraitement des données a été effectué à l’aide de Python avec des bibliothèques clés telles que Pandas pour la manipulation des données, NumPy pour les opérations numériques et Scikit-learn pour le prétraitement des données, la sélection des caractéristiques et la modélisation. Les valeurs manquantes ont été imputées à l’aide de stratégies de moyenne ou de mode, les variables catégorielles ont été codées via l’encodage One-Hot ou Label, et les caractéristiques numériques ont été mises à l’échelle à l’aide de StandardScaler ou de MinMaxScaler. Pour les classes déséquilibrées, SMOTE (Synthetic Minority Oversampling Technique) du package imblearn a été appliqué. L’élimination récursive des caractéristiques (RFE) a été mise en œuvre à l’aide du module RFE de Scikit-learn avec des estimateurs tels que la régression logistique et la forêt aléatoire, et le nombre de caractéristiques était généralement réduit aux 10 à 15 plus influentes en fonction des mesures de performance du modèle telles que ROC-AUC et la précision.
2. Architecture du modèle
Cette recherche propose une variante de l’algorithme de réseau neuronal appelée modèle de transfert latent pour entraîner les images d’entrée de la base de données d’images COVID-19. Ce travail est efficace pour surmonter le problème du gradient de disparition lors de la construction d’un réseau neuronal profond. Bien que diverses variantes de réseaux neuronaux soient disponibles avec différentes configurations de couches, ce travail se concentre principalement sur la mise en œuvre de techniques d’apprentissage résiduel pendant le processus d’entraînement des réseaux de neurones profonds. Le modèle de transfert latent proposé utilise un algorithme amélioré de ResNet-50 avec un cadre de couche convolutif de 7 x 7, ainsi que des réseaux de couches aplaties et denses. Ces couches sont utilisées dans la transformation d’image et la classification multiclasse des patients PASC, par région, pour extraire des motifs22. Ce travail prend en compte des images d’entrée de taille 256 x 256 x 3, en utilisant des hyperparamètres efficaces, le comportement d’apprentissage, les procédures d’optimisation et les volumes de lots. Le modèle de transfert latent proposé prend en compte un ensemble de données de 12 946 images pour classer les patients à risque actif de développer des problèmes cardiovasculaires, le cancer, les maladies respiratoires chroniques, le diabète et les problèmes de santé mentale. Les détails et les hyperparamètres de l’ensemble de données sont donnés dans les tableaux 2 et 3, respectivement.
Pour garantir la reproductibilité, toutes les étapes d’implémentation, de prétraitement et d’évaluation du modèle ont été effectuées dans un environnement contrôlé à l’aide de Python dans Jupyter Notebook sur un système exécutant Windows 11, équipé d’un processeur Intel Core i7 (11e génération), de 16 Go de RAM et d’un GPU NVIDIA GeForce RTX 3060 (pour tout traitement accéléré, bien que le GPU ne soit pas essentiel pour ces jeux de données). Les bibliothèques logicielles utilisées incluent Pandas 1.5.3, NumPy 1.24, Scikit-learn 1.3.0, Imbalanced-learn 0.11.0 pour SMOTE, Matplotlib 3.7.1 et Seaborn 0.12.2 pour la visualisation. Le prétraitement impliquait la gestion des valeurs manquantes via l’imputation de moyenne/mode, l’encodage des variables catégorielles à l’aide de l’encodage One-Hot ou Label et la mise à l’échelle des caractéristiques à l’aide de StandardScaler. Le développement de modèles a utilisé des classificateurs tels que la régression logistique, la forêt aléatoire et les machines à vecteurs de support, avec élimination des caractéristiques récursives (RFE) pour la réduction de la dimensionnalité. Les modèles ont été évalués à l’aide d’une validation croisée 5 fois, et les performances ont été mesurées à l’aide de mesures telles que l’exactitude, la précision, la mémorisation et le score ROC-AUC, garantissant un pipeline cohérent et reproductible.
3. Prétraitement et ingénierie des caractéristiques
Pour récupérer des caractéristiques statistiquement significatives à partir de ces ensembles de données, une technique de prétraitement appelée « Sélection de caractéristiques à l’aide de l’élimination récursive des caractéristiques (RFE) » et un pipeline de modélisation nommé « Apprentissage par transfert avec perceptron multicouche (MLP) » sont utilisés.
4. Formation et validation
Une approche organisée de formation et de validation a été utilisée pour évaluer l’approche proposée pour l’analyse et la prédiction des symptômes du PASC. Dans un premier temps, une division hiérarchique entre l’entraînement et le test a été appliquée pour obtenir le système cumulatif d’étiquettes de classe avec un rapport de 80:20 entre les données d’entraînement et de test. Suivi d’une validation croisée k-fold avec k = 5, a été mis en œuvre sur les données d’entraînement pour évaluer la robustesse du modèle à travers diverses divisions des données. Un classificateur MLP avec deux couches cachées (64 et 32 neurones) et 300 itérations a été appliqué. D’autres techniques de représentation de caractéristiques et d’apprentissage par transfert ont été mises en œuvre.
5. Indicateurs d’évaluation
La précision, la mesure F, la moyenne G, la MAPE, la sensibilité et la spécificité ont été calculées sur les données de test pour comparer les performances du modèle proposé. Les résultats illustrent l’amélioration des paramètres d’évaluation, de la précision, de la mesure F, de la moyenne G, de la MAPE, de la sensibilité et de la spécificité sur les données de test afin de comparer les performances du modèle proposé avec d’autres modèles de pointe, à savoir VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN, MobileNetV2 CNN et le modèle de transfert latent proposé. L’ensemble de données ci-dessus contient des échantillons d’entraînement, de validation et de test de données cardiovasculaires, de cancer, respiratoires chroniques, de diabète et de maladies mentales.
Toutes les expériences ont été menées dans un environnement Windows 11 à l’aide de Python 3.10 sur un système doté d’un processeur Intel Core i7, de 16 Go de RAM et d’un GPU NVIDIA RTX 3060. Les ensembles de données Kaggle accessibles au public ont été prétraités à l’aide de Pandas, NumPy et Scikit-learn pour l’imputation des valeurs manquantes, l’encodage, la mise à l’échelle et la sélection de caractéristiques via l’élimination récursive des caractéristiques (RFE). Des modèles tels que la régression logistique, la forêt aléatoire et la SVM ont été entraînés et évalués à l’aide d’une validation croisée en 5 étapes avec des mesures telles que l’exactitude, la précision, le rappel et le ROC-AUC pour garantir la reproductibilité et la cohérence des performances.
Le tableau ci-dessus montre les détails des hyperparamètres et la technique ou l’algorithme qui les utilise. Le taux d’apprentissage, la technique d’arrêt précoce, la taille du lot, la taille de l’époque, les rappels, la fonction de perte et les mesures permettant de mesurer l’efficacité sont donnés pour l’algorithme de l’optimiseur Adam.
Access restricted. Please log in or start a trial to view this content.
Le modèle proposé est comparé aux modèles de transfert existants, notamment VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN et MobileNetV2 CNN. Les détails des paramètres et les résultats de la comparaison sont présentés dans les tableaux 4, 5 et 2, respectivement. Les résultats illustrent l’amélioration des paramètres d’évaluation en utilisant le modèle proposé par rapport aux autres modèles, à savoir VGG-16 CNN, VGG-19 CNN, DenseN...
Access restricted. Please log in or start a trial to view this content.
La proposition est centrée sur la construction d’un modèle d’apprentissage par transfert latent pour gérer les impacts du PASC. Cette structure entraîne de graves problèmes de santé physique et mentale, en particulier chez les personnes d’âge moyen et les personnes âgées, ainsi que chez les personnes souffrant de maladies chroniques, telles que les maladies cardiovasculaires, le cancer, les maladies respiratoires et le diabète. L’objectif final est d’unifier diverses données sur les pati...
Access restricted. Please log in or start a trial to view this content.
Les auteurs déclarent qu’il n’y a pas de conflit d’intérêts concernant la publication de cet article.
| Name | Company | Catalog Number | Comments |
|---|---|---|---|
| Environnement de cloud computing (par exemple, Google Colab / AWS EC2) | Google / Amazon | N/A | Utilisé pour l’entraînement de modèles de Deep Learning avec accélération GPU |
| Ensemble de données épidémiologiques (séquelles post-aiguës du SRAS-CoV-2, spécifiques à la région) | Dépôts de données de santé publique (p. ex., OMS, CDC, ICMR, hôpitaux régionaux) | N/A | Jeu de données pour les expériences d’apprentissage par transfert |
| Carnet Jupyter | Projet Jupyter | Logiciel libre | Environnement interactif pour le codage et la documentation |
| Keras | Logiciel libre | Intégré à TensorFlow | API de haut niveau pour la création et l’entraînement de modèles de Deep Learning |
| Matplotlib / Né de la mer | Logiciel libre | N/A | Bibliothèques de visualisation utilisées pour les graphiques et l’analyse des tendances épidémiologiques |
| NumPy | Logiciel libre | N/A | Bibliothèque de calcul numérique |
| Pandas | Logiciel libre | N/A | Bibliothèque de manipulation et d’analyse de données |
| Modèles CNN/Transformer pré-entraînés (par exemple, EfficientNet, modèles basés sur BERT) | Moyeu TensorFlow / HuggingFace | Spécifique au modèle | Utilisé pour l’apprentissage par transfert et la mise au point pour la prédiction épidémiologique |
| Python (v3.8 ou supérieur) | Fondation du logiciel Python | Logiciel libre | Langage de programmation utilisé pour le prétraitement des données, l’entraînement et l’évaluation des modèles |
| Scikit-apprendre | Logiciel libre | N/A | Bibliothèque d’apprentissage automatique pour le prétraitement, les métriques d’évaluation et les modèles de référence |
| TensorFlow (v2.x) | Google (en anglais) | Logiciel libre | Cadre d’apprentissage profond utilisé pour l’apprentissage par transfert et le déploiement de modèles |
Access restricted. Please log in or start a trial to view this content.
Request permission to reuse the text or figures of this JoVE article
Request Permission