Il lavoro proposto mira a progettare e implementare una nuova tecnica di apprendimento per il trasferimento per consentire una migliore comprensione dei risultati sanitari a lungo termine e supportare approfondimenti epidemiologici su misura.
Research Article
Il lavoro proposto mira a progettare e implementare una nuova tecnica di apprendimento per il trasferimento per consentire una migliore comprensione dei risultati sanitari a lungo termine e supportare approfondimenti epidemiologici su misura.
Le sequele post-acute di SARS-CoV-2 (PASC) rappresentano un ambiente a rischio estremo con gravi conseguenze, soprattutto per gli adulti di mezza età e gli anziani e per coloro che soffrono di condizioni di salute croniche come malattie cardiovascolari, tumori, malattie respiratorie e diabete. I disturbi fisici includono dolori corporei gravi e persistenti, affaticamento e difficoltà con i movimenti del corpo. Allo stesso modo, i disturbi dell'umore come la depressione, gli sbalzi d'umore, i sentimenti di disperazione e la difficoltà di concentrazione sono predittori significativi di PASC. Gli individui, prevalentemente persone di mezza età e anziani, stanno affrontando un aumento delle conseguenze fisiche e mentali, tra cui frequenti ricoveri ospedalieri, condizioni mediche instabili e, in alcuni casi, decessi imprevisti. L'identificazione tempestiva della PASC è essenziale per mitigare la gravità dei problemi di salute associati. Questa ricerca raccomanda un modello di trasferimento latente per integrare i dati dei pazienti provenienti da diverse regioni, per estrarre informazioni dettagliate nei dati e per fornire soluzioni sanitarie personalizzate. Questo studio presenta il potenziale del modello di apprendimento del trasferimento latente per migliorare la semplificazione dei dati, la generalizzazione, la personalizzazione, il rilevamento delle insight, la variabilità, la scalabilità e l'adattabilità per migliorare i risultati della salute pubblica.
La malattia da coronavirus del 2019 (COVID-19) è stata identificata per la prima volta a Wuhan, in Cina. Il 31dicembre 2019, la Cina ha segnalato all'Organizzazione Mondiale della Sanità (OMS) le malattie infiammatorie polmonari con eziologia sconosciuta osservate nella città di Wuhan, provincia di Hubei, Cina1. Dal 31dicembre 2019 al3 gennaio 2020, 44 persone sono state infettate da questo virus e hanno avuto una storia di contatti con il mercato all'ingrosso "Huanan Seafood". Inizialmente, i pazienti sono stati osservati con febbre, affaticamento e tosse secca. L'epidemia di questo virus si è verificata il 30gennaio 2020 ed è stata annunciata come emergenza sanitaria pubblica di interesse internazionale dall'OMS1. A metà febbraio 2020, più di 25 paesi sono stati colpiti dal nuovo coronavirus, con 70.635 e 794 casi rispettivamente in Cina e in altri paesi. Millesettecentosettantadue morti (1772) in Cina e tre morti in tutti i paesi furono ufficialmente dichiarati. Il 31dicembre 2019 sono stati segnalati alcuni casi di infezione da polmonite e l'OMS ha riferito che non sono stati segnalati decessi a Wuhan. In Thailandia, il primo caso è stato annunciato a Bangkok il 13gennaio 2020 per una donna cinese di 61 anni tornata dalla città di Wuhan l'8gennaio 2020 dopo aver visitato la città di Wuhan. Era sintomatica con mal di gola, tosse, febbre, brividi e mal di testa. La persona è risultata positiva al COVID-19 durante la sorveglianza termica l'8gennaio 2020 e ricoverata in ospedale quel giorno dagli agenti thailandesi. La persona è guarita dalla malattia. La struttura di sequenziamento genetico del virus è stata condivisa dal governo cinese e ha consentito a più paesi di esaminare e diagnosticare in modo efficiente i pazienti2.
Negli Stati Uniti d'America, il primo caso è stato segnalato a Washington il 19gennaio 2020 per un uomo di 35 anni tornato dalla città di Wuhan il 15gennaio 2020 dopo la riunione di famiglia. Era sintomatico con tosse e febbre dal 15gennaio 2020 e gli è stato consigliato di sottoporsi a test medici. Non ha avuto contatti con una persona infetta da COVID-19, ma durante la sua visita a Wuhan è stato infettato da COVID-19 a causa dell'epidemia in Cina. È risultato positivo al COVID il 20gennaio 2020 ed è stato messo in quarantena in un'unità di isolamento aereo di un centro medico. Dopo il suo ricovero nel reparto di isolamento, era normale con una frequenza cardiaca di 110/min, una pressione sanguigna di 134/87 mmHg, una temperatura corporea di 37,2 °C, una frequenza respiratoria di 16 bpm e una saturazione di ossigeno del 96% con auscultazione polmonare normale. Sono stati effettuati regolari test di monitoraggio e indagine COVID ed è stato notato con tosse, nausea e vomito per due giorni3. Il secondo giorno di ricovero, si è lamentato di un disagio addominale e il giorno successivo non c'erano prove di anomalie nella radiografia del torace. Tuttavia, il quinto giorno, è stata osservata una significativa evidenza di polmonite nella radiografia del torace e la saturazione di ossigeno è scesa al 90%. Gli è stato consigliato di sottoporsi all'ossigenoterapia, che è stata integrata per migliorare i livelli di saturazione. L'ottavogiorno, le sue condizioni sono migliorate ed è stata dimessa dalla clinica. In India, il primo caso è stato segnalato in Kerala il 27gennaio 2020 per una donna di 20 anni che era tornata dalla città di Wuhan a causa dell'epidemia di COVID-19 in Cina. È stata asintomatica dal 23gennaio 2020 al 26gennaio 2020 e ha assistito a mal di gola e tosse lieve dal 27gennaio 2020. Non ha avuto contatti con le persone infette da COVID-19, ma durante il suo viaggio in treno da Wuhan a Kunming ha notato diverse persone con problemi respiratori, raffreddore e tosse. Pertanto, le autorità governative del Kerala le hanno ordinato di rimanere in un luogo isolato e di visitare una struttura medica per eventuali sintomi COVID sviluppati nei prossimi giorni. Dopo il suo ricovero in ospedale generale, era normale con una frequenza cardiaca di 82/min, una pressione sanguigna di 130/80 mmHg, una temperatura corporea di 98,5 °F e una saturazione di ossigeno del 96% con auscultazione polmonare normale. Il monitoraggio COVID regolare e i test di indagine sono stati effettuati il 3°, 7° e 20° giorno dal giorno della malattia. I tamponi orofaringei sono stati effettuati il primo giorno e a giorni alterni per 23 giorni dal giorno della malattia, e sono risultati negativi dal 17° giorno. È stata autorizzata con tutti i test ed è stata dimessa dall'ospedale il 20febbraio 20204.
Nel Regno Unito, il primo caso di COVID-19 è stato segnalato il 23gennaio 2020 da una donna di 50 anni che era tornata dalla città di Wuhan dopo la sua visita. Inizialmente, era asintomatica e il 26gennaio 2020 ha sviluppato sintomi di febbre, debolezza, mal di gola e tosse secca. Dopo il ricovero in ospedale generale, era normale con una frequenza respiratoria di 18/min, una pressione sanguigna di 120/80 mmHg, una temperatura corporea di 37,6 °C e una saturazione di ossigeno del 97%. Sono stati effettuati regolari test di monitoraggio e indagine COVID e le condizioni del paziente sono clinicamente stabili. Gli esami iniziali l'hanno segnalata con una lieve linfopenia e un aumento della proteina C-reattiva. Dopo il 3° giorno di ricovero in ospedale, è stata guarita da tutti i sintomi e i test del tampone orofaringeo sono stati rivelati negativi al COVID dal secondo giorno in ospedale. È stata isolata per 2 settimane e i suoi tamponi nasali e faringei sono risultati negativi5.
I coronavirus (CoV) sono stati scoperti negli anni '60 e sono stati classificati come segue. Orthornavirae è definito il regno/regno di vari virus che contengono genomi fatti di acido ribonucleico (RNA) e che si traducono con una RNA polimerasi RNA-dipendente (RdRp). RdRp trascrive il genoma dell'RNA virale in RNA messaggero (mRNA) e replica il genoma. Le caratteristiche dei virus che si trovano nelle Orthornavirae includono l'evoluzione, le mutazioni genetiche, la ricombinazione e il riassortimento6. I genomi fatti di RNA sono di tre tipi, vale a dire, virus a RNA a filamento positivo, virus a RNA a filamento negativo (virus -ssRNA) e virus a RNA a doppio filamento (virus dsRNA). I virus a RNA a filamento positivo (+virus ssRNA) sono un insieme di virus associati che hanno un RNA a filamento singolo a senso positivo. Il genoma del virus +ssRNA può essere utilizzato come RNA corriere (mRNA) e viene trasformato direttamente in proteine correlate al virus dai ribosomi delle cellule ospiti. I virus +ssRNA sono associati ai phyla come Pisuviricota, Kitrinoviricota e Lenarviricota. I virus a RNA a filamento positivo contengono vari agenti patogeni come l'epacivirus C, la dengue, l'ebola, il morbillo, la rabbia, l'influenza, la sindrome respiratoria acuta grave CoV, la sindrome respiratoria mediorientale coronavirus CoV e la sindrome respiratoria acuta grave CoV7. I virus a RNA a filamento negativo (-ssRNA virus) sono un insieme di virus associati che hanno un RNA a filamento singolo a senso negativo. Il genoma del virus -ssRNA può essere visto come RNA corriere (mRNA) e prodotto da un enzima chiamato RNA-dipendente RNA polimerasi (RdRp). -ssRNA costituiscono il phylum Negarnaviricota. I virus a RNA a filamento negativo contengono due rami principali nel phylum, vale a dire Haploviricotina e Polyploviricotina. Importanti virus dell'ssRNA dei vertebrati sono l'Ebola, l'Hanta, l'influenza, la febbre di Lassa e la rabbia. I virus a RNA a doppio filamento (virus dsRNA) sono una raccolta di virus polifiletici che hanno genomi a RNA a doppio filamento. Il genoma del dsRNA trascrive un +ssRNA dalla RNA polimerasi virale RNA-dipendente (RdRp). Il genoma del virus +ssRNA può essere utilizzato come RNA corriere (mRNA) ed è apertamente trasformato in proteine correlate al virus dai ribosomi delle cellule ospiti. Mentre il genoma del virus -ssRNA può fungere da RNA corriere (mRNA) ed essere prodotto da un enzima RNA polimerasi RNA-dipendente (RdRp). I virus dsRNA sono associati ai phyla Duplornaviricota e Pisuviricota. I virus a RNA a doppio filamento includono i rotavirus (che colpiscono i bambini piccoli) e il virus della febbre catarrale degli ovini (che colpisce bovini e ovini)8.
Pisuviricota è definito un phylum di virus a RNA, che include tutti i virus + ssRNA e dsRNA. La sua classificazione inferiore contiene tre classi, vale a dire, Duplopiviricetes, Pisoniviricetes e Stelpaviricetes. I pisoniviriceti sono una classe di virus +ssRNA che infettano e contaminano gli eucarioti. La sua classificazione inferiore contiene tre sottoclassi, vale a dire Nidovirales, Picornavirales e Sobelivirales. Nidovirales è un ordine di +ssRNA avvolto che infetta e contamina vertebrati e invertebrati9. Questo contiene un sottordine di virus, vale a dire, Abnidovirineae, Cornidovirineae, Nanidovirinae, Arnidovirineae, Mesnidovirineae e Tornidovirineae. Varie famiglie sono riconosciute sotto Nidovirales, come Abyssoviridae, Coronaviridae, Nanghoshaviridae, Nanhypoviridae, Arteriviridae, Medioniviridae, Cremegaviridae, Mesoniviridae, Euroniviridae, Gresnaviridae, Roniviridae, Tobaniviridae, Mononiviridae e Olifoviridae8. Coronaviridae è una famiglia di virus +ssRNA avvolti che infetta mammiferi, anfibi e uccelli. La sua classificazione inferiore contiene due sottofamiglie, Letovirinae e Orthocoronavirinae. I membri di Orthocoronavirinae sono identificati come coronavirus. I coronavirus sono una sottofamiglia dei Coronaviridae, che è correlata ai virus a RNA che causano infezioni nei mammiferi e negli uccelli. Nei mammiferi e negli uccelli, questi virus causano infezioni da tampone respiratorio da lievi a gravi, come le infezioni da tampone delle vie respiratorie superiori e le infezioni da tampone delle vie respiratorie inferiori10. Questi virus causano SARS, MERS e COVID-19 nell'uomo e in alcuni mammiferi, diarrea nei suini e nelle mucche, epatite ed encefalomielite. I coronavirus sono +ssRNA avvolti che appartengono al Regno di Orthornavirae, al Phylum di Pisuviricota, alla Classe dei Pisoniviricetes, alla Sottoclasse dei Nidovirales, alla Famiglia Coronaviridae e alla Sottofamiglia degli Orthocoronavirinae. I coronavirus sono classificati in quattro generi, vale a dire Alpha coronavirus, Beta coronavirus, Gamma coronavirus e Delta coronavirus11. Sulla base di questa ricerca, si formano le seguenti ipotesi.
La mutazione spike del coronavirus-2 (SARS-CoV-2) della sindrome respiratoria acuta grave è estremamente glicosilata. È di fondamentale importanza esaminare le conseguenze biologiche di queste mutazioni spike. Più di una mutazione può originare nella stessa posizione nella sequenza della proteina spike. Le sequenze della proteina spike hanno fornito la possibilità di stimare l'ampio spettro di mutazioni rilevate in tutto il mondo e sono rappresentate nella Tabella 1. Le mutazioni considerate erano una conseguenza della trasmissione da uomo a uomo del virus. La vaccinazione ha provocato reazioni immunitarie in grado di neutralizzare potentemente il SARS-CoV-212. Sebbene le indagini scientifiche abbiano scoperto l'avvento delle varianti di SARS-CoV-2 che nascondono mutazioni nella spike, l'obiettivo principale è rimasto la neutralizzazione degli anticorpi dell'ospite. C'è stata un'indicazione in evoluzione di una ridotta neutralizzazione di alcune varianti di SARS-CoV-2 dopo la vaccinazione. I produttori di vaccini hanno formulato varie piattaforme per un potenziale aggiornamento delle strutture dei vaccini e sono state condotte indagini sulle variazioni genetiche e antigeniche nella popolazione virale globale con esperimenti per illuminare le influenze fenotipiche delle mutazioni13.
Il database dei virus del National Center for Biotechnology Information (NCBI) contiene 10333 proteine spike umane di SARS-CoV-2 provenienti da Africa, Asia, Europa, Nord America, Sud America e Oceania. La disseminazione di diverse mutazioni nelle proteine spike esaminate da diverse posizioni geografiche è mostrata nella tabella sopra. I dettagli del coronavirus Alpha, Beta, Gamma e Delta con i loro generi, caratteristiche e descrizioni sono forniti nella tabella sopra. Ogni Genere è descritto dalle sue caratteristiche, come il fondamentale, le varianti, il significato, la forma, la misura, la struttura, la fusione della membrana, il rilascio, la contaminazione e la sintesi14.
Come accennato nella Tabella 1, ceppi virali come HCoV-229E, HCoV-OC43, HCoV-NL63 e HCoV-HKU1 hanno osservato sintomi di malattia da lievi a moderati, mentre SARS-CoV, MERS-CoV e SARS-CoV-2 hanno osservato gravi sintomi critici di malattia nell'uomo. I microrganismi virali passano attraverso il corpo e infettano la cellula ospite. A seconda della categoria di coronavirus, infetta le cellule in diverse parti del corpo ospite. Non appena si è attaccato alla cellula forte e sana, vi entra15. Dopo che il virus si è depositato all'interno della cellula ospite, si disordinerà e il suo DNA e RNA emaneranno e viaggeranno verso il nucleo. Si muoveranno in un frammento, il che si tradurrà in varie riproduzioni del virus. Queste copie usciranno dal nucleo per essere assemblate e ricevere la proteina, che protegge il loro DNA e RNA. Queste nuove riproduzioni del virus libereranno le cellule precedentemente infette e malate per contaminare nuovamente altre cellule ospiti sane e moltiplicarsi. Se il sistema immunitario dell'ospite riesce a combattere il coronavirus, l'individuo non si ammalerà; In caso contrario, possono verificarsi complicazioni malsane. Se il sistema immunitario non riesce a controllare il coronavirus, si verifica la patogenesi. Con questo, il virus entra nel corpo e infetta diversi organi. A seconda della gravità dei segni o dei sintomi, l'individuo si riposerà o cercherà assistenza medica16. Il ciclo di vita e i vari ceppi di coronavirus sono illustrati nella Figura 1.
La figura sopra descrive il ciclo di vita e le fasi del coronavirus in modo dettagliato. Ci sono sette fasi, vale a dire (1) attaccamento e ammissione, (2) fusione ed endocitosi, (3) proteolisi, (4) traduzione e scissione, (5) replicazione, (6) esocitosi e (7) rilascio del virus maturo. Nella fase di attaccamento e di ammissione, i microrganismi del Coronavirus vengono ammessi nell'ospite e l'obiettivo è quello di ottenere strategie di ricognizione e intervento resistenti all'ospite. Per entrare nelle cellule ospiti, questi virus si attaccano prima al recettore di superficie di una cellula per legarsi, quindi entrano negli endosomi e infine iniziano la fusione. Successivamente, il coronavirus si fonde con le guaine lisosomiali correlate al virus nella cellula ospite. Una proteina spike fissata alla superficie del virus interferisce con l'ingresso di questi virus. L'endocitosi è un processo cellulare in cui una sostanza viene trasportata nella cellula ospite17. Il materiale da adottare è racchiuso da una serie di guaine cellulari, che poi salgono all'interno della cellula ospite per generare una vescicola che racchiude la sostanza ingerita. L'endocitosi comprende la pinocitosi e la fagocitosi; Il primo è il consumo di cellule e il secondo è il consumo di cellule. La proteolisi è l'elencazione di proteine correlate al virus in polipeptidi/amminoacidi minori. La conversione strutturata dell'mRNA è un processo post-trascrizionale che frena la comunicazione genica e diverge prontamente la profusione proteica. Ha un ruolo principale in numerose procedure biologiche come la crescita cellulare, il progresso cellulare, la plasticità sinaptica, le storte da stress e lo sviluppo virale produttivo18. La procedura di traduzione virale può essere suddivisa in tre fasi, vale a dire istigazione, allungamento e dissoluzione.
La replicazione virale è il processo di generazione di virus genetici attraverso la contaminazione delle cellule ospiti infette. Affinché si verifichi la riproduzione virale, i virus devono prima entrare nella cellula ospite. Replicando ripetutamente il loro genoma virale e incapsulando queste copie, i virus sopravvivono e continuano a diffondersi infettando nuove cellule ospiti19. L'esocitosi è il meccanismo attraverso il quale le vescicole contenenti particelle virali vengono secrete e rilasciate dalla cellula infetta, consentendo ai virus di nuova formazione di entrare nel corpo ospite e infettare ulteriori cellule sane. Le sequele post-acute di SARS-CoV-2 (PASC) sono riconosciute come una sindrome che colpisce principalmente i polmoni, sebbene possa avere un impatto su più organi, con conseguenti danni agli organi o addirittura insufficienza d'organo20. Tali complicazioni possono portare alla morte o a problemi di salute a lungo termine. Ad esempio, il cuore può sviluppare un aumento del rischio di insufficienza cardiaca o altre complicanze; i polmoni possono sostenere difficoltà respiratorie a lungo termine a seguito di polmonite; il cervello può essere colpito da ictus, convulsioni o sindrome di Guillain-Barré; E i reni possono subire danni che possono provocare shock settico. Il danno epatico può verificarsi a causa di uno squilibrio enzimatico, mentre la rabdomiolisi porta alla rottura del tessuto muscolare, rilasciando mioglobina nel flusso sanguigno, che può diventare fatale se i reni non riescono a filtrarla rapidamente. Ulteriori complicazioni includono la formazione di coaguli di sangue anormali che causano emorragie interne e insufficienza d'organo, infezioni secondarie da batteri come lo streptococco o lo stafilococco, coagulazione intravascolare disseminata a causa di risposte di coagulazione disfunzionali e affaticamento cronico, spesso accompagnato da nebbia cerebrale, grave stanchezza, vertigini o disturbi del pensiero. Sulla base di queste sfide, vengono proposte le seguenti ipotesi: H1: L'utilizzo di un algoritmo di transfer learning può migliorare notevolmente l'accuratezza delle previsioni e la trasferibilità dei modelli applicando i dati epidemiologici per identificare i PASC specifici della regione. H1a: I modelli di deep learning ottimizzati utilizzando i dati epidemiologici hanno prestazioni migliori rispetto ad altri modelli. H1b: La combinazione di determinanti PASC specifici per regione con modelli di transfer learning migliora l'accuratezza e l'efficienza della classificazione e del clustering. H1c: questa combinazione può anche rivelare modelli specifici della regione precedentemente non divulgati o trascurati. H1d: l'apprendimento di trasferimento consente di ridurre i tempi di training e di accelerare la convergenza rispetto ad altri modelli.
Access restricted. Please log in or start a trial to view this content.
Questo studio è stato condotto in conformità con le linee guida etiche per la ricerca che coinvolge dati umani. Tutti i dati dei pazienti utilizzati in questo studio sono stati completamente anonimizzati prima dell'accesso e dell'analisi. Non sono state utilizzate informazioni di identificazione personale. Il protocollo di ricerca è stato rivisto e approvato dall'Institutional Review Board (IRB), in conformità con la Dichiarazione di Helsinki. Ove applicabile, le autorizzazioni di accesso ai dati sono state ottenute dalle autorità competenti o dagli archivi di dati. Poiché questo studio prevede un'analisi secondaria di dati anonimizzati, il consenso informato è stato revocato dall'IRB. Il modello di trasferimento latente proposto è una tecnica di apprendimento semi-supervisionato basata sull'apprendimento automatico, progettata per trovare i modelli nascosti e trasferirli dal set di dati di origine al set di dati di destinazione, garantendo che sia altamente appropriato per l'analisi dei problemi epidemiologici di PASC16. Le condizioni post-COVID spesso si manifestano con sintomi diversi tra le diverse popolazioni, portando a dati incoerenti e scarsi. Il lavoro proposto affronta il problema della scarsità di dati a causa di sintomi diversi in diverse regioni, apprendendo rappresentazioni latenti migliorate per rappresentare modelli di salute nascosti dai set di dati e rappresentandoli come set di dati emergenti. Per eseguire questa conversione, queste tecniche di trasferimento latente utilizzano codificatori automatici o variazionali per rappresentare sia i dati di origine che quelli di destinazione in uno spazio latente comune. E questo spazio comune salvaguarda i modelli nascosti ottenuti poiché i cluster di sintomi post-COVID sono ben conservati in diverse regioni21. Il prototipo può avanzare ulteriormente attraverso una migliore generalizzazione con l'adattamento del dominio. Utilizzando questo approccio, il modello può aiutare a riconoscere e prevedere i cluster a rischio e supportare la sorveglianza della salute pubblica nelle aree remote. Questo lavoro migliora anche l'apprendimento riducendo la dipendenza dai dati completamente etichettati. Con ciò, l'approccio proposto diventa un potente strumento per analizzare le lacune dovute al suo approccio generalizzato nei confronti di varie popolazioni.
1. Fonti dei dati e raccolta
Questo studio ha utilizzato i set di dati Kaggle disponibili al pubblico (Cardiovascular Disease Dataset, Cancer Prediction Dataset, Early-Stage Diabetics Prediction Dataset e Mental Health Prediction Dataset). Pertanto, non è richiesta l'approvazione dell'IRB in questa presentazione.
Per i set di dati che coinvolgono dati di immagine, la pre-elaborazione è stata condotta utilizzando Python con le librerie TensorFlow e OpenCV. Le fasi di pre-elaborazione includevano il ridimensionamento delle immagini (ad esempio, 224 × 224 pixel), la conversione in scala di grigi o RGB, la normalizzazione dei valori dei pixel nell'intervallo [0, 1] e le tecniche di aumento dei dati (rotazione, capovolgimento, zoom) per migliorare la generalizzazione del modello e ridurre l'overfitting. Gli array di immagini sono stati quindi convertiti in array NumPy per un'ulteriore elaborazione e l'input del modello.
Per la selezione delle funzionalità, l'eliminazione ricorsiva delle funzionalità (RFE) è stata implementata utilizzando la classe RFE di Scikit-learn, in genere in combinazione con uno stimatore di regressione logistica o foresta casuale. Il numero di funzionalità selezionate variava a seconda del set di dati, ma una configurazione comune era quella di ridurre la dimensionalità alle prime 10-15 funzionalità più influenti in base al punteggio ricorsivo. Questo metodo ha migliorato l'accuratezza della classificazione riducendo al contempo la complessità computazionale e l'overfitting del modello.
Questo studio ha utilizzato quattro set di dati disponibili pubblicamente di Kaggle. Il set di dati sulle malattie cardiovascolari, il set di dati sulla previsione del cancro al seno, il set di dati sulla previsione del diabete in fase iniziale e il set di dati sulla previsione della salute mentale. Questi set di dati sono stati scaricati direttamente da Kaggle e consistono in dati tabulari strutturati contenenti attributi clinici e basati su sondaggi. La pre-elaborazione dei dati è stata condotta utilizzando Python con librerie chiave come Pandas per la manipolazione dei dati, NumPy per le operazioni numeriche e Scikit-learn per la pre-elaborazione dei dati, la selezione delle funzionalità e la modellazione. I valori mancanti sono stati imputati utilizzando strategie medie o modali, le variabili categoriali sono state codificate tramite One-Hot o Label Encoding e le funzionalità numeriche sono state scalate utilizzando StandardScaler o MinMaxScaler. Per le classi sbilanciate, è stato applicato SMOTE (Synthetic Minority Oversampling Technique) del pacchetto imblearn. L'eliminazione delle funzionalità ricorsive (RFE) è stata implementata utilizzando il modulo RFE di Scikit-learn con stimatori come Regressione logistica e Foresta casuale e il numero di funzionalità è stato in genere ridotto alle prime 10-15 più influenti in base alle metriche delle prestazioni del modello come ROC-AUC e precisione.
2. Architettura del modello
Questa ricerca propone una variante dell'algoritmo della rete neurale chiamato modello di trasferimento latente per addestrare le immagini di input dal database di immagini COVID-19. Questo lavoro è efficace nel superare il problema del gradiente evanescente quando si costruisce una rete neurale profonda. Sebbene siano disponibili varie varianti di rete neurale con diverse configurazioni di livello, questo lavoro si concentra principalmente sull'implementazione di tecniche di apprendimento residuo durante il processo di addestramento delle reti neurali profonde. Il modello di trasferimento latente proposto utilizza un algoritmo migliorato di ResNet-50 con un framework di livelli convoluzionali 7 x 7, insieme a reti a strati appiattite e dense. Questi strati sono utilizzati nella trasformazione delle immagini e nella classificazione multiclasse dei pazienti con PASC, a livello regionale, per estrarre i modelli22. Questo lavoro considera immagini di input di dimensioni 256 x 256 x 3, utilizzando iperparametri efficienti, comportamento di apprendimento, procedure di ottimizzazione e volumi batch. Il modello di trasferimento latente proposto considera un set di dati di 12.946 immagini per classificare i pazienti a rischio attivo di sviluppare problemi cardiovascolari, cancro, malattie respiratorie croniche, diabete e problemi di salute mentale. I dettagli del set di dati e gli iperparametri sono forniti rispettivamente nella Tabella 2 e nella Tabella 3.
Per garantire la riproducibilità, tutte le fasi di implementazione, pre-elaborazione e valutazione del modello sono state condotte in un ambiente controllato utilizzando Python all'interno di Jupyter Notebook su un sistema che esegue Windows 11, dotato di un processore Intel Core i7 (11a generazione), 16 GB di RAM e GPU NVIDIA GeForce RTX 3060 (per qualsiasi elaborazione accelerata, anche se la GPU non era essenziale per questi set di dati). Le librerie software utilizzate includono Pandas 1.5.3, NumPy 1.24, Scikit-learn 1.3.0, Imbalanced-learn 0.11.0 per SMOTE, Matplotlib 3.7.1 e Seaborn 0.12.2 per la visualizzazione. La pre-elaborazione prevedeva la gestione dei valori mancanti tramite l'imputazione media/moda, la codifica di variabili categoriche utilizzando la codifica One-Hot o Label e il ridimensionamento delle funzionalità tramite StandardScaler. Lo sviluppo del modello ha utilizzato classificatori come la regressione logistica, la foresta casuale e le macchine a vettori di supporto, con l'eliminazione delle caratteristiche ricorsive (RFE) per la riduzione della dimensionalità. I modelli sono stati valutati utilizzando la convalida incrociata 5 volte e le prestazioni sono state misurate utilizzando metriche tra cui accuratezza, precisione, richiamo e punteggio ROC-AUC, garantendo una pipeline coerente e riproducibile.
3. Pre-elaborazione e progettazione delle funzionalità
Per recuperare caratteristiche statisticamente significative da questi set di dati, vengono utilizzate una tecnica di pre-elaborazione denominata "Feature Selection using Recursive Feature Elimination (RFE)" e una pipeline di modellazione denominata "Transfer Learning with Multi-Layer Perceptron (MLP)".
4. Formazione e convalida
È stato utilizzato un approccio organizzato di formazione e convalida per valutare l'approccio proposto per l'analisi e la previsione dei sintomi della PASC. In un primo momento, è stata applicata una suddivisione gerarchica treno-test per ottenere il sistema cumulativo di etichette di classe con un rapporto 80:20 dei dati di addestramento e test. Seguita da una convalida incrociata k-fold con k = 5, è stata implementata sui dati di addestramento per valutare la robustezza del modello attraverso varie divisioni dei dati. È stato applicato un classificatore MLP con due strati nascosti (64 e 32 neuroni) e 300 iterazioni. Sono state implementate ulteriori tecniche di rappresentazione delle caratteristiche e di transfer learning.
5. Metriche di valutazione
L'accuratezza, la misura F, la media G, il MAPE, la sensibilità e la specificità sono stati calcolati sui dati del test per confrontare le prestazioni del modello proposto. I risultati illustrano il miglioramento delle metriche di valutazione, l'accuratezza, la misura F, la media G, il MAPE, la sensibilità e la specificità sui dati di test per confrontare le prestazioni del modello proposto con altri modelli all'avanguardia, vale a dire VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN, MobileNetV2 CNN e il modello di trasferimento latente proposto. Il set di dati di cui sopra contiene campioni di formazione, convalida e test di dati cardiovascolari, cancro, respiratorio cronico, diabete e malattie mentali.
Tutti gli esperimenti sono stati condotti in un ambiente Windows 11 utilizzando Python 3.10 su un sistema con un processore Intel Core i7, 16 GB di RAM e una GPU NVIDIA RTX 3060. I set di dati Kaggle disponibili pubblicamente sono stati pre-elaborati utilizzando Pandas, NumPy e Scikit-learn per l'imputazione del valore mancante, la codifica, il ridimensionamento e la selezione delle funzionalità tramite l'eliminazione ricorsiva delle funzionalità (RFE). Modelli come Regressione logistica, Foresta casuale e SVM sono stati addestrati e valutati utilizzando la convalida incrociata a 5 volte con metriche tra cui accuratezza, precisione, richiamo e ROC-AUC per garantire la riproducibilità e la coerenza delle prestazioni.
La tabella precedente mostra i dettagli degli iperparametri e la tecnica o l'algoritmo che li utilizza. Per l'algoritmo di ottimizzazione Adam vengono forniti il tasso di apprendimento, la tecnica di arresto anticipato, la dimensione del batch, la dimensione dell'epoca, i callback, la funzione di perdita e le metriche per misurare l'efficienza.
Access restricted. Please log in or start a trial to view this content.
Il modello proposto viene confrontato con i modelli di trasferimento esistenti, tra cui VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN e MobileNetV2 CNN. I dettagli dei parametri e i risultati del confronto sono mostrati rispettivamente nella Tabella 4, nella Tabella 5 e nella Figura 2. I risultati illustrano il miglioramento delle metriche di valutazione utilizzando il modello proposto rispetto agli altri modelli, vale a dire VGG-...
Access restricted. Please log in or start a trial to view this content.
La proposta è incentrata sulla costruzione di un modello di apprendimento per il trasferimento latente per gestire gli impatti del PASC. Questa struttura porta a gravi problemi di salute fisica e mentale, in particolare nelle persone di mezza età e negli anziani, e in coloro che sono soggetti a precedenti malattie croniche, come malattie cardiovascolari, cancro, malattie respiratorie e diabete. L'obiettivo finale è quello di unificare i dati dei pazienti provenienti da diverse popolazion...
Access restricted. Please log in or start a trial to view this content.
Gli autori dichiarano che non sussistono conflitti di interesse in merito alla pubblicazione di questo articolo.
| Name | Company | Catalog Number | Comments |
|---|---|---|---|
| Ambiente di cloud computing (ad esempio, Google Colab / AWS EC2) | Google / Amazon | N/A | Utilizzato per l'addestramento di modelli di deep learning con accelerazione GPU |
| Set di dati epidemiologici (sequele post-acute di SARS-CoV-2, specifiche per regione) | Archivi di dati sulla salute pubblica (ad esempio, OMS, CDC, ICMR, ospedali regionali) | N/A | Set di dati per esperimenti di apprendimento di trasferimento |
| Taccuino Jupyter | Progetto Jupyter | Sorgente aperto | Ambiente interattivo per la codifica e la documentazione |
| Keras | Sorgente aperto | Integrato con TensorFlow | API di alto livello per la creazione e l'addestramento di modelli di deep learning |
| Matplotlib / Seaborn | Sorgente aperto | N/A | Librerie di visualizzazione utilizzate per grafici e analisi delle tendenze epidemiologiche |
| NumPy | Sorgente aperto | N/A | Libreria di calcolo numerico |
| Panda | Sorgente aperto | N/A | Libreria di analisi e manipolazione dei dati |
| Modelli CNN/Transformer pre-addestrati (ad es. EfficientNet, modelli basati su BERT) | Hub TensorFlow / Viso abbracciato | Specifico del modello | Utilizzato per il transfer learning e la messa a punto per la previsione epidemiologica |
| Python (v3.8 o superiore) | Fondazione del software Python | Sorgente aperto | Linguaggio di programmazione utilizzato per la pre-elaborazione dei dati, l'addestramento dei modelli e la valutazione |
| Scikit-learn | Sorgente aperto | N/A | Libreria di machine learning per la pre-elaborazione, le metriche di valutazione e i modelli di base |
| TensorFlow (v2.x) | Alessio | Sorgente aperto | Framework di deep learning utilizzato per il transfer learning e la distribuzione di modelli |
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