Gebruikmakend van transfer learning-benadering voor epidemiologische studie van regiospecifieke postacute gevolgen van SARS-COV-2

Summary

Het voorgestelde werk heeft tot doel een nieuwe transfer learning-techniek te ontwerpen en te implementeren om een beter begrip van gezondheidsresultaten op lange termijn mogelijk te maken en op maat gemaakte epidemiologische inzichten te ondersteunen.

Abstract

Post-acute gevolgen van SARS-CoV-2 (PASC) vormen een extreme risicoomgeving met ernstige gevolgen, vooral voor volwassenen van middelbare leeftijd en oudere volwassenen en mensen met chronische gezondheidsproblemen zoals hart- en vaatziekten, kanker, aandoeningen van de luchtwegen en diabetes. Lichamelijke aandoeningen zijn onder meer ernstige en aanhoudende lichaamspijnen, vermoeidheid en moeite met lichaamsbewegingen. Evenzo zijn stemmingsstoornissen zoals depressie, stemmingswisselingen, gevoelens van hopeloosheid en concentratieproblemen belangrijke voorspellers van PASC. Individuen, voornamelijk mensen van middelbare leeftijd en ouderen, worden geconfronteerd met verhoogde fysieke en mentale gevolgen, waaronder frequente ziekenhuisopnames, medisch onstabiele aandoeningen en in sommige gevallen onverwachte dodelijke slachtoffers. Tijdige identificatie van PASC is essentieel om de ernst van de bijbehorende gezondheidsproblemen te verminderen. Dit onderzoek beveelt een latent overdrachtsmodel aan om patiëntgegevens uit verschillende regio's te integreren, inzichten in de gegevens te extraheren en gepersonaliseerde zorgoplossingen te bieden. Deze studie biedt het potentieel van het latente overdrachtsleermodel om gegevensvereenvoudiging, generalisatie, personalisatie, inzichtdetectie, variabiliteit, schaalbaarheid en aanpassingsvermogen te verbeteren om de resultaten op het gebied van de volksgezondheid te verbeteren.

Introduction

De coronavirusziekte van 2019 (COVID-19) werd voor het eerst geïdentificeerd in Wuhan, China. Op 31^december 2019 rapporteerde China aan de Wereldgezondheidsorganisatie (WHO) over longontstekingsziekten met onbekende etiologie opgemerkt in de stad Wuhan, provincie Hubei, China¹. Van 31^december 2019 tot^{3 januari} 2020 waren 44 mensen besmet met dit virus en hadden ze een voorgeschiedenis van contact met de groothandelsmarkt - "Huanan Seafood". Aanvankelijk werden patiënten gezien met koorts, vermoeidheid en droge hoest. De uitbraak van dit virus vond plaats op 30^januari 2020 en werd door^{de WHO 1} aangekondigd als een noodsituatie op het gebied van de volksgezondheid van internationaal belang. Medio februari 2020 waren meer dan 25 landen getroffen door het nieuwe coronavirus, met respectievelijk 70.635 en 794 gevallen in China en andere landen. Duizend zevenhonderdtweeënzeventig doden (1772) in China en drie doden in alle landen werden officieel verklaard. Op 31^december 2019 werden een aantal gevallen van longontsteking gemeld en de WHO meldde dat er geen sterfgevallen waren gemeld in Wuhan. In Thailand werd op 13^januari 2020 in Bangkok het eerste geval aangekondigd voor een 61-jarige Chinese vrouw die op^{8 januari} 2020 terugkeerde uit Wuhan City na een bezoek aan Wuhan City. Ze had symptomen van keelpijn, hoesten, koorts, koude rillingen en hoofdpijn. De persoon werd op 19^{januari 8} COVID-2020-positief getest in thermisch toezicht en die dag door Thaise agenten in het ziekenhuis opgenomen. De persoon herstelde van de ziekte. De genetische sequencingstructuur van het virus werd gedeeld door de Chinese overheid en stelde meer landen in staat om patiënten efficiënt te onderzoeken en te diagnosticeren².

In de Verenigde Staten van Amerika werd op 19^januari 2020 in Washington het eerste geval gemeld voor een 35-jarige man die op 15^januari 2020 terugkeerde uit Wuhan City na zijn familiebijeenkomst. Hij was symptomatisch met hoesten en koorts vanaf 15^januari 2020 en kreeg het advies om medische tests te ondergaan. Hij had geen contact met een met COVID-19 besmette persoon, maar tijdens zijn bezoek aan Wuhan was hij besmet met COVID-19 door de uitbraak in China. Hij testte COVID-positief op 20^januari 2020 en werd in quarantaine geplaatst in een isolatie-eenheid in de lucht van een medisch centrum. Na zijn opname op de isolatieafdeling was hij normaal met een hartslag van 110/min, een bloeddruk van 134/87 mmHg, een lichaamstemperatuur van 37,2 °C, een ademhalingsfrequentie van 16 bpm en een zuurstofverzadiging van 96% bij normale longauscultatie. Er werden regelmatig COVID-monitoring- en onderzoekstests uitgevoerd en hij werd gedurende twee dagen opgemerkt met hoesten, misselijkheid en braken³. Op de tweede dag van opname klaagde hij over buikpijn en de volgende dag was er geen bewijs van afwijkingen op de röntgenfoto van de borstkas. Op de vijfde dag werd echter significant bewijs van longontsteking gezien op de röntgenfoto van de borstkas en daalde de zuurstofverzadiging tot 90%. Hij kreeg het advies om zuurstoftherapie te ondergaan, die werd aangevuld om de verzadigingsniveaus te verbeteren. Op de 8e^{dag verbeterde} haar toestand en werd ze ontslagen uit de kliniek. In India werd op 27^januari 2020 in Kerala het eerste geval gemeld voor een 20-jarige vrouw die was teruggekeerd uit Wuhan City vanwege de COVID-19-uitbraak in China. Ze was asymptomatisch van 23^januari 2020 tot 26^januari 2020 en was getuige van keelpijn en milde hoest vanaf 27^januari 2020. Ze had geen contact met de met COVID-19 besmette personen, maar tijdens haar treinreis van Wuhan naar Kunming merkte ze verschillende mensen op met ademhalingsproblemen, verkoudheid en hoesten. Daarom hebben de overheidsinstanties van Kerala haar opgedragen om op een geïsoleerde plaats te blijven en de komende dagen een medische faciliteit te bezoeken voor eventuele ontwikkelde COVID-symptomen. Na haar opname in het algemene ziekenhuis was ze normaal met een hartslag van 82/min, een bloeddruk van 130/80 mmHg, een lichaamstemperatuur van 98,5 °F en een zuurstofverzadiging van 96% bij normale longauscultatie. Regelmatige COVID-monitoring- en onderzoekstests werden uitgevoerd op de 3e^{, 7e} en 20e^{dag vanaf} de dag van ziekte. orofaryngeale uitstrijkjes werden uitgevoerd op de eerste dag en elke andere dag gedurende 23 dagen vanaf de dag van ziekte, en testten negatief vanaf de 17e^dag. Ze werd met alle tests goedgekeurd en werd op 20^februari 2020 uit het ziekenhuis ontslagen⁴.

In het Verenigd Koninkrijk werd het eerste geval van COVID-19 op 23^januari 2020 gemeld door een 50-jarige vrouw die na haar bezoek was teruggekeerd uit de stad Wuhan. Aanvankelijk was ze asymptomatisch en ontwikkelde ze op 26^januari 2020 symptomen van koorts, zwakte, keelpijn en droge hoest. Na haar opname in het algemeen ziekenhuis was ze normaal met een ademhalingsfrequentie van 18/min, een bloeddruk van 120/80 mmHg, een lichaamstemperatuur van 37,6 °C en een zuurstofverzadiging van 97%. Er werden regelmatig COVID-monitoring- en onderzoekstests uitgevoerd en de toestand van de patiënt is klinisch stabiel. De eerste onderzoeken meldden dat ze milde lymfopenie en een stijging van het C-reactief proteïne had. Na de^3e dag van opname in het ziekenhuis werd ze vrijgesproken van alle symptomen en werden orofaryngeale uitstrijkjes vanaf de tweede dag in het ziekenhuis als COVID-negatief onthuld. Ze werd 2 weken geïsoleerd en haar neus- en keeluitstrijkjes waren negatief⁵.

Coronavirussen (CoV's) werden ontdekt in de jaren 1960 en werden als volgt geclassificeerd. Orthornavirae wordt het koninkrijk/rijk van verschillende virussen genoemd die genomen bevatten gemaakt van ribonucleïnezuur (RNA) en die zich vertalen met een RNA-afhankelijk RNA-polymerase (RdRp). RdRp transcribeert het virale RNA-genoom in messenger-RNA (mRNA) en repliceert het genoom. De kenmerken van de virussen die in Orthornavirae voorkomen, zijn onder meer evolutie, genetische mutaties, recombinatie en reassortment⁶. Er zijn drie soorten genomen die van RNA zijn gemaakt, namelijk positiefstreng RNA-virussen, negatief-streng RNA-virussen (-ssRNA-virussen) en dubbelstrengs RNA-virussen (dsRNA-virussen). Positiefstrengs RNA-virussen (+ssRNA-virussen) zijn een verzameling geassocieerde virussen met positief-sense, enkelstrengs RNA. Het genoom van het +ssRNA-virus kan worden gebruikt als koeriers-RNA (mRNA) en wordt door de ribosomen van de gastheercellen direct omgezet in virusgerelateerde eiwitten. +ssRNA-virussen zijn geassocieerd met de phyla zoals Pisuviricota, Kitrinoviricota en Lenarviricota. Positiefstreng RNA-virussen bevatten verschillende pathogenen zoals Hepacivirus C, Dengue, Ebola, Mazelen, Hondsdolheid, Griep, Ernstig acuut respiratoir syndroom CoV, Midden-Oosten respiratoir syndroom coronavirus CoV en Ernstig acuut respiratoir syndroom CoV⁷. Negatieve-streng RNA-virussen (-ssRNA-virussen) zijn een verzameling geassocieerde virussen met negatief-sense, enkelstrengs RNA. Het genoom van het -ssRNA-virus kan worden gezien als koeriers-RNA (mRNA) en worden geproduceerd door een enzym dat RNA-afhankelijk RNA-polymerase (RdRp) wordt genoemd. -ssRNA-virussen vormen de stam Negarnaviricota. Negatieve RNA-virussen bevatten twee belangrijke takken in de stam, namelijk Haploviricotina en Polyploviricotina. Belangrijke gewervelde-ssRNA-virussen zijn Ebola, Hanta, Influenza, Lassa-koorts en Hondsdolheid. Dubbelstrengs RNA-virussen (dsRNA-virussen) zijn een verzameling polyfyletische virussen met dubbelstrengs RNA-genomen. Het genoom van dsRNA transcribeert een +ssRNA door het virale RNA-afhankelijke RNA-polymerase (RdRp). Het genoom van het +ssRNA-virus kan worden gebruikt als koeriers-RNA (mRNA) en wordt door de ribosomen van de gastheercellen openlijk omgezet in virusgerelateerde eiwitten. Terwijl het genoom van het -ssRNA-virus kan dienen als koeriers-RNA (mRNA) en kan worden geproduceerd door een enzym-RNA-afhankelijk RNA-polymerase (RdRp). dsRNA-virussen zijn geassocieerd met de phyla Duplornaviricota en Pisuviricota. Dubbelstrengs RNA-virussen omvatten rotavirussen (die jonge kinderen treffen) en blauwtongvirus (die runderen en schapen aantasten)⁸.

Pisuviricota wordt een stam van RNA-virussen genoemd, die alle + ssRNA-virussen en dsRNA omvat. De lagere classificatie omvat drie klassen, namelijk Duplopiviricetes, Pisoniviricetes en Stelpaviricetes. Pisoniviricetes is een klasse van +ssRNA-virussen die eukaryoten infecteren en besmetten. De lagere classificatie omvat drie subklassen, namelijk Nidovirales, Picornavirales en Sobelivirales. Nidovirales is een orde van omhuld, +ssRNA die gewervelde dieren en ongewervelde dieren infecteert en besmet⁹. Dit bevat een onderorde van virussen, namelijk Abnidovirineae, Cornidovirineae, Nanidovirinae, Arnidovirineae, Mesnidovirineae en Tornidovirineae. Verschillende families worden erkend onder Nidovirales, zoals Abyssoviridae, Coronaviridae, Nanghoshaviridae, Nanhypoviridae, Arteriviridae, Medioniviridae, Cremegaviridae, Mesoniviridae, Euroniviridae, Gresnaviridae, Roniviridae, Tobaniviridae, Mononiviridae en Olifoviridae⁸. Coronaviridae is een familie van omhulde, +ssRNA-virussen die zoogdieren, amfibieën en vogels infecteren. De lagere classificatie omvat twee onderfamilies, Letovirinae en Orthocoronavirinae. De leden van Orthocoronavirinae worden geïdentificeerd als coronavirussen. Coronavirussen zijn een onderfamilie van Coronaviridae, die verwant is aan RNA-virussen die infecties veroorzaken bij zoogdieren en vogels. Bij zoogdieren en vogels veroorzaken deze virussen milde tot ernstige infecties van de luchtweg, zoals infecties van de bovenste luchtweguitstrijkjes en infecties van de onderste luchtweguitstrijkjes¹⁰. Deze virussen veroorzaken SARS, MERS en COVID-19 bij mensen en sommige zoogdieren, diarree bij varkens en koeien, hepatitis en encefalomyelitis. Coronavirussen zijn omhuld +ssRNA die behoren tot het Koninkrijk Orthornavirae, Phylum van Pisuviricota, Klasse van Pisoniviricetes, Subklasse van Nidovirales, Familie Coronaviridae en Onderfamilie van Orthocoronavirinae. Coronavirussen worden onderverdeeld in vier geslachten, namelijk Alpha coronavirus, Beta coronavirus, Gamma coronavirus en Delta coronavirus¹¹. Op basis van dit onderzoek worden de volgende hypothesen gevormd.

Severe Acute Respiratory Syndrome Coronavirus-2 (SARS-CoV-2) spike-mutatie is extreem geglycosyleerd. Het is van cruciaal belang om de biologische gevolgen van deze spike-mutaties te onderzoeken. Meer dan één mutatie kan op dezelfde positie in de spike-eiwitsequentie ontstaan. De spike-eiwitsequenties boden een kans om het brede spectrum van mutaties die over de hele wereld werden gedetecteerd te schatten, en ze zijn weergegeven in Tabel 1. De beschouwde mutaties waren een gevolg van de overdracht van het virus van mens op mens. Vaccinatie veroorzaakte immuunreacties die SARS-CoV-2 krachtig konden neutraliseren¹². Hoewel wetenschappelijk onderzoek de komst van SARS-CoV-2-varianten ontdekte die mutaties in de piek verhullen, bleef het hoofddoel de neutralisatie van gastheerantilichamen. Er was een evoluerende indicatie van verminderde neutralisatie van sommige SARS-CoV-2-varianten na vaccinatie. Vaccinfabrikanten formuleerden verschillende platforms voor een mogelijke update van vaccinstructuren, en onderzoeken naar genetische en antigene variaties in de wereldwijde viruspopulatie werden uitgevoerd met experimenten om de fenotypische invloeden van mutaties te belichten¹³.

De virusdatabase van het National Center for Biotechnology Information (NCBI) bevat 10333 menselijke SARS-CoV-2-spike-eiwitten uit Afrika, Azië, Europa, Noord-Amerika, Zuid-Amerika en Oceanië. De verspreiding van verschillende mutaties in spike-eiwitten die op verschillende geografische locaties zijn onderzocht, wordt weergegeven in de bovenstaande tabel. Details van het Alpha-, Beta-, Gamma- en Delta-coronavirus met hun geslachten, kenmerken en beschrijvingen worden gegeven in de bovenstaande tabel. Elk geslacht wordt beschreven door zijn kenmerken, zoals fundamenteel, varianten, betekenis, vorm, meting, structuur, membraanfusie, afgifte, vervuiling en synthese¹⁴.

Zoals vermeld in tabel 1, observeerden virusstammen zoals HCoV-229E, HCoV-OC43, HCoV-NL63 en HCoV-HKU1 milde tot matige ziektesymptomen, terwijl SARS-CoV, MERS-CoV en SARS-CoV-2 ernstige kritieke ziektesymptomen bij mensen waarnamen. Virusmicro-organismen passeren het lichaam en infecteren de gastheercel. Afhankelijk van de categorie coronavirus infecteert het cellen in verschillende delen van het gastlichaam. Zodra het zich heeft gehecht aan de sterke en gezonde cel, gaat het erin¹⁵. Nadat het virus zich in de gastheercel heeft genesteld, zal het opruimen en zullen zijn DNA en RNA naar buiten komen en naar de kern reizen. Ze zullen in een fragment bewegen, wat zal resulteren in verschillende reproducties van het virus. Deze kopieën komen uit de kern om te worden geassembleerd en eiwit te ontvangen, dat hun DNA en RNA beschermt. Deze nieuwerwetse reproducties van het virus zullen de eerder geïnfecteerde en zieke cellen verlaten om andere gezonde gastheercellen opnieuw te besmetten en zich te vermenigvuldigen. Als het immuunsysteem van de gastheer erin slaagt het coronavirus te bestrijden, wordt het individu niet ziek; Anders kunnen er ongezonde complicaties optreden. Als het immuunsysteem er niet in slaagt het coronavirus onder controle te krijgen, resulteert dit in pathogenese. Hiermee komt het virus het lichaam binnen en infecteert het verschillende organen. Afhankelijk van hoe ernstig de tekenen of symptomen zijn, zal de persoon rusten of medische hulp inroepen¹⁶. De levenscyclus en verschillende stammen van het coronavirus zijn weergegeven in figuur 1.

Bovenstaande figuur geeft een gedetailleerd beeld van de levenscyclus en stadia van het coronavirus. Er zijn zeven fasen, namelijk (1) hechting en opname, (2) fusie en endocytose, (3) proteolyse, (4) translatie en splitsing, (5) replicatie, (6) exocytose en (7) afgifte van gerijpt virus. In de aanhechtings- en opnamefase worden Coronavirus-micro-organismen opgenomen in de gastheer en wordt gestreefd naar gastheerresistente verkennings- en interventiestrategieën. Om gastheercellen binnen te gaan, hechten deze virussen zich eerst aan de oppervlaktereceptor van een cel om te binden, gaan vervolgens endosomen binnen en beginnen uiteindelijk met fusie. Later versmelt het coronavirus met de virusgerelateerde en lysosomale omhulsels in de gastheercel. Een aan het oppervlak bevestigd spike-eiwit van het virus verstoort het binnendringen van deze virussen. Endocytose is een cellulair proces waarbij een stof in de gastheercel wordt vervoerd¹⁷. Het te adopteren materiaal wordt omsloten door een reeks celomhulsels, die vervolgens in de gastheercel omhoog schieten om een blaasje te genereren dat de ingenomen stof omvat. Endocytose omvat pinocytose en fagocytose; De eerste is het drinken van cellen en het laatste is het eten van cellen. Proteolyse is de specificatie van virusgerelateerde eiwitten in kleine polypeptiden/aminozuren. Gestructureerde mRNA-conversie is een post-transcriptioneel proces dat de gencommunicatie in toom houdt en de eiwitovervloed onmiddellijk divergeert. Het speelt een hoofdrol in overvloedige biologische procedures zoals celgroei, celvooruitgang, synaptische plasticiteit, stressretorten en productieve virale ontwikkeling¹⁸. De virale translatieprocedure kan worden onderverdeeld in drie fasen, namelijk aansporing, verlenging en oplossing.

Virale replicatie is het proces van het genereren van genetische virussen door de besmetting van geïnfecteerde gastheercellen. Om virale reproductie te laten plaatsvinden, moeten virussen eerst de gastheercel binnendringen. Door herhaaldelijk hun virale genoom te repliceren en deze kopieën in te kapselen, overleven virussen en blijven ze zich verspreiden door nieuwe gastheercellen te infecteren¹⁹. Exocytose is het mechanisme waardoor blaasjes met virale deeltjes worden uitgescheiden en vrijgegeven uit de geïnfecteerde cel, waardoor de nieuw gevormde virussen het gastlichaam kunnen binnendringen en extra gezonde cellen kunnen infecteren. Postacute gevolgen van SARS-CoV-2 (PASC) worden erkend als een syndroom dat voornamelijk de longen aantast, hoewel het meerdere organen kan aantasten, wat kan leiden tot orgaanschade of zelfs orgaanfalen²⁰. Dergelijke complicaties kunnen leiden tot de dood of langdurige gezondheidsproblemen. Het hart kan bijvoorbeeld een verhoogd risico op hartfalen of andere complicaties ontwikkelen; De longen kunnen langdurige ademhalingsmoeilijkheden ondervinden na longontsteking; de hersenen kunnen worden aangetast door beroertes, toevallen of het syndroom van Guillain-Barré; En de nieren kunnen schade oplopen die kan leiden tot septische shock. Leverbeschadiging kan optreden als gevolg van enzymonbalans, terwijl rabdomyolyse leidt tot de afbraak van spierweefsel, waardoor myoglobine in de bloedbaan terechtkomt, wat fataal kan worden als de nieren het niet snel kunnen filteren. Bijkomende complicaties zijn onder meer de vorming van abnormale bloedstolsels die inwendige bloedingen en orgaanfalen veroorzaken, secundaire infecties door bacteriën zoals streptokokken of stafylokokken, gedissemineerde intravasculaire stolling als gevolg van disfunctionele stollingsreacties en chronische vermoeidheid, vaak gepaard gaand met hersenmist, ernstige vermoeidheid, duizeligheid of verminderd denken. Op basis van deze uitdagingen worden de volgende hypothesen voorgesteld: H1: Het gebruik van een transfer learning-algoritme kan de voorspellingsnauwkeurigheid en overdraagbaarheid van modellen aanzienlijk verbeteren door epidemiologische gegevens toe te passen om regiospecifieke PASC te identificeren. H1a: Deep learning-modellen die zijn verfijnd met behulp van epidemiologische gegevens, presteren beter dan andere modellen. H1b: Het combineren van regiospecifieke PASC-determinanten met transfer learning-modellen verbetert de nauwkeurigheid en efficiëntie van classificatie en clustering. H1c: Deze combinatie kan ook eerder niet-bekendgemaakte of over het hoofd geziene regiospecifieke patronen aan het licht brengen. H1d: Transfer learning zorgt voor een kortere trainingstijd en snellere convergentie in vergelijking met andere modellen.

Protocol

Dit onderzoek is uitgevoerd in overeenstemming met ethische richtlijnen voor onderzoek met menselijke gegevens. Alle patiëntgegevens die in dit onderzoek werden gebruikt, werden volledig geanonimiseerd voordat ze werden geopend en geanalyseerd. Er werd geen persoonlijk identificeerbare informatie gebruikt. Het onderzoeksprotocol werd beoordeeld en goedgekeurd door de Institutional Review Board (IRB), in overeenstemming met de Verklaring van Helsinki. Waar van toepassing werden toestemmingen voor gegevenstoegang verkregen van relevante autoriteiten of gegevensopslagplaatsen. Aangezien deze studie secundaire analyse van geanonimiseerde gegevens omvat, werd door de IRB afgezien van geïnformeerde toestemming. Het voorgestelde latente overdrachtsmodel is een op machine learning gebaseerde semi-gesuperviseerde leertechniek die is ontworpen om de verborgen patronen te vinden en deze over te brengen van de brondataset naar de doeldataset, zodat deze zeer geschikt is voor het analyseren van epidemiologische problemen van PASC¹⁶. Post-COVID-aandoeningen manifesteren zich vaak met uiteenlopende symptomen in verschillende populaties, wat leidt tot inconsistente en schaarse gegevens. Het voorgestelde werk pakt het probleem aan van schaarse gegevens als gevolg van uiteenlopende symptomen in verschillende regio's door verbeterde latente representaties te leren om verborgen gezondheidspatronen uit de datasets weer te geven, en door ze weer te geven als opkomende datasets. Om deze conversie uit te voeren, gebruiken deze latente overdrachtstechnieken auto- of variationele encoders om zowel bron- als doelgegevens in een gemeenschappelijke latente ruimte weer te geven. En deze gemeenschappelijke ruimte beschermt de verkregen verborgen patronen, aangezien clusters van post-COVID-symptomen goed bewaard zijn gebleven in verschillende regio's²¹. Het prototype kan verder gaan door verbeterde generalisatie met domeinaanpassing. Met behulp van deze aanpak kan het model helpen bij het herkennen en voorspellen van risicoclusters en het ondersteunen van het toezicht op de volksgezondheid in afgelegen gebieden. Dit werk verbetert ook het leren door de afhankelijkheid van volledig gelabelde gegevens te verminderen. Hiermee wordt de voorgestelde aanpak een krachtig hulpmiddel voor het analyseren van de hiaten vanwege de gegeneraliseerde benadering van verschillende populaties.

1. Gegevensbronnen en verzameling

Deze studie maakte gebruik van openbaar beschikbare Kaggle-datasets (Cardiovascular Disease Dataset, Cancer Prediction Dataset, Early-Stage Diabetics Prediction Dataset en Mental Health Prediction Dataset). Daarom is IRB-goedkeuring voor deze indiening niet vereist.

Voor datasets met afbeeldingsgegevens werd de voorverwerking uitgevoerd met behulp van Python met TensorFlow- en OpenCV-bibliotheken. De voorbewerkingsstappen omvatten het wijzigen van het formaat van afbeeldingen (bijv. 224 × 224 pixels), grijswaarden- of RGB-conversie, normalisatie van pixelwaarden naar [0, 1] bereik en gegevensvergrotingstechnieken (rotatie, spiegelen, zoomen) om de modelgeneralisatie te verbeteren en overfitting te verminderen. De afbeeldingsarrays werden vervolgens geconverteerd naar NumPy-arrays voor verdere verwerking en modelinvoer.

Voor de selectie van functies werd Recursive Feature Elimination (RFE) geïmplementeerd met behulp van de RFE-klasse van Scikit-learn, meestal in combinatie met een Logistic Regression of Random Forest-schatter. Het aantal geselecteerde functies varieerde per dataset, maar een gebruikelijke configuratie was om dimensionaliteit terug te brengen tot de top 10-15 van meest invloedrijke functies op basis van recursieve scores. Deze methode verbeterde de nauwkeurigheid van de classificatie en verminderde de complexiteit van de computationele en overfitting van het model.

Deze studie maakte gebruik van vier openbaar beschikbare datasets van Kaggle. De dataset voor hart- en vaatziekten, de dataset voor het voorspellen van borstkanker, de dataset voor het voorspellen van diabetes in een vroeg stadium en de dataset voor het voorspellen van geestelijke gezondheid. Deze datasets zijn rechtstreeks gedownload van Kaggle en bestaan uit gestructureerde tabelgegevens met klinische en op enquêtes gebaseerde attributen. De voorverwerking van gegevens werd uitgevoerd met behulp van Python met sleutelbibliotheken zoals Panda's voor gegevensmanipulatie, NumPy voor numerieke bewerkingen en Scikit-learn voor gegevensvoorverwerking, functieselectie en modellering. Ontbrekende waarden werden geïmputeerd met behulp van gemiddelde- of modusstrategieën, categorische variabelen werden gecodeerd via One-Hot of Label Encoding en numerieke functies werden geschaald met behulp van StandardScaler of MinMaxScaler. Voor onevenwichtige klassen werd SMOTE (Synthetic Minority Oversampling Technique) uit het imblearn-pakket toegepast. Recursive Feature Elimination (RFE) werd geïmplementeerd met behulp van de RFE-module van Scikit-learn met schatters zoals Logistic Regression en Random Forest, en het aantal functies werd doorgaans teruggebracht tot de top 10-15 van meest invloedrijke functies op basis van modelprestatiestatistieken zoals ROC-AUC en nauwkeurigheid.

2. Model architectuur

Dit onderzoek stelt een variant van het neurale netwerkalgoritme voor, het latente overdrachtsmodel genaamd, om invoerbeelden uit de COVID-19-beelddatabase te trainen. Dit werk is effectief bij het overwinnen van het probleem van de verdwijnende gradiënt bij het bouwen van een diep neuraal netwerk. Hoewel er verschillende neurale netwerkvarianten beschikbaar zijn met verschillende laagconfiguraties, richt dit werk zich voornamelijk op het implementeren van residuele leertechnieken tijdens het trainingsproces van diepe neurale netwerken. Het voorgestelde latente overdrachtsmodel maakt gebruik van een verbeterd algoritme van ResNet-50 met een 7 x 7 convolutioneel laagframework, samen met afgeplatte en dichte gelaagde netwerken. Deze lagen worden gebruikt bij beeldtransformatie en multi-class classificatie van PASC-patiënten, regionaal gewijs, om patronen te extraheren²². Dit werk beschouwt invoerafbeeldingen met een formaat van 256 x 256 x 3, waarbij gebruik wordt gemaakt van efficiënte hyperparameters, leergedrag, optimalisatieprocedures en batchvolumes. Het voorgestelde latente overdrachtsmodel beschouwt een dataset van 12.946 afbeeldingen om patiënten te classificeren met een actief risico op het ontwikkelen van cardiovasculaire problemen, kanker, chronische luchtwegaandoeningen, diabetes en psychische problemen. Details van de dataset en hyperparameters worden gegeven in respectievelijk tabel 2 en tabel 3.

Om de reproduceerbaarheid te garanderen, werden alle stappen voor modelimplementatie, voorverwerking en evaluatie uitgevoerd in een gecontroleerde omgeving met behulp van Python binnen Jupyter Notebook op een systeem met Windows 11, uitgerust met een Intel Core i7 (11e generatie) processor, 16 GB RAM en NVIDIA GeForce RTX 3060 GPU (voor versnelde verwerking, hoewel de GPU niet essentieel was voor deze datasets). De gebruikte softwarebibliotheken zijn onder meer Pandas 1.5.3, NumPy 1.24, Scikit-learn 1.3.0, Imbalanced-learn 0.11.0 voor SMOTE, Matplotlib 3.7.1 en Seaborn 0.12.2 voor visualisatie. Voorverwerking omvatte het verwerken van ontbrekende waarden via gemiddelde/modus-imputatie, het coderen van categorische variabelen met behulp van One-Hot of Label Encoding en het schalen van functies met behulp van StandardScaler. Bij de modelontwikkeling werd gebruik gemaakt van classificaties zoals Logistic Regression, Random Forest en Support Vector Machines, met Recursive Feature Elimination (RFE) voor dimensionaliteitsvermindering. Modellen werden geëvalueerd met behulp van 5-voudige kruisvalidatie en de prestaties werden gemeten met behulp van statistieken zoals nauwkeurigheid, precisie, recall en ROC-AUC-score, waardoor een consistente en reproduceerbare pijplijn werd gegarandeerd.

3. Voorbewerking en functie-engineering

Om statistisch significante kenmerken uit deze datasets te halen, worden een voorverwerkingstechniek met de naam "Feature Selection using Recursive Feature Elimination (RFE)" en een modelleringspijplijn met de naam "Transfer Learning with Multi-Layer Perceptron (MLP)" gebruikt.

4. Training en validatie

Een georganiseerde trainings- en validatieaanpak werd gebruikt om de voorgestelde aanpak voor PASC-symptoomanalyse en -voorspelling te beoordelen. In eerste instantie werd een hiërarchische trein-testsplitsing toegepast om het cumulatieve systeem van klasselabels te krijgen met een 80:20-verhouding van de trainings- en testgegevens. Gevolgd door k-fold kruisvalidatie met k = 5, werd geïmplementeerd op de trainingsgegevens om de robuustheid van het model over verschillende splitsingen van de gegevens te evalueren. Een MLP-classifier met twee verborgen lagen (64 en 32 neuronen) en 300 iteraties werd toegepast. Verdere technieken voor functierepresentatie en transfer learning werden geïmplementeerd.

5. Evaluatie metriek

Nauwkeurigheid, F-maat, G-gemiddelde, MAPE, gevoeligheid en specificiteit werden berekend op basis van de testgegevens om de prestaties van het voorgestelde model te vergelijken. De resultaten illustreren de verbetering van evaluatiestatistieken, nauwkeurigheid, F-meting, G-gemiddelde, MAPE, gevoeligheid en specificiteit van de testgegevens om de prestaties van het voorgestelde model te vergelijken met andere state-of-the-art modellen, namelijk VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN, MobileNetV2 CNN en het voorgestelde latente overdrachtsmodel. De bovenstaande dataset bevat trainings-, validatie- en testvoorbeelden van cardiovasculaire, kanker-, chronische ademhalings-, diabetes- en psychische aandoeningengerelateerde gegevens.

Alle experimenten zijn uitgevoerd in een Windows 11-omgeving met Python 3.10 op een systeem met een Intel Core i7-processor, 16 GB RAM en een NVIDIA RTX 3060 GPU. Openbaar beschikbare Kaggle-datasets werden voorbewerkt met behulp van Panda's, NumPy en Scikit-learn voor het imputeren van ontbrekende waarden, codering, schaling en functieselectie via Recursive Feature Elimination (RFE). Modellen zoals Logistic Regression, Random Forest en SVM werden getraind en geëvalueerd met behulp van 5-voudige kruisvalidatie met metrieken zoals nauwkeurigheid, precisie, recall en ROC-AUC om reproduceerbaarheid en prestatieconsistentie te garanderen.

De bovenstaande tabel toont de details van hyperparameters en de techniek of het algoritme dat ze gebruikt. Leersnelheid, vroege stoptechniek, batchgrootte, epoch-grootte, callbacks, verliesfunctie en metrieken om de efficiëntie te meten, worden gegeven voor het Adam-optimalisatiealgoritme.

Results

Het voorgestelde model wordt vergeleken met bestaande overdrachtsmodellen, waaronder VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN en MobileNetV2 CNN. De parameterdetails en resultaten van de vergelijking worden weergegeven in respectievelijk Tabel 4, Tabel 5 en Figuur 2. De resultaten illustreren de verbetering van de evaluatiemetrieken door het voorgestelde model te gebruiken ten opzichte van de...

Discussion

Het voorstel richt zich op het bouwen van een latent transfer learning-model om de effecten van de PASC aan te kunnen. Deze structuur leidt tot ernstige lichamelijke en geestelijke gezondheidsproblemen, vooral bij mensen van middelbare leeftijd en ouderen, en bij mensen die eerder aan chronische ziekten hebben geleden, zoals hart- en vaatziekten, kanker, aandoeningen van de luchtwegen en diabetes. Het uiteindelijke doel is om diverse patiëntgegevens uit verschillende populaties te vereni...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Cloud Computing Environment (bijv. Google Colab / AWS EC2)	Google / Amazon	N/A	Gebazig voor het trainen van deep learning modellen met GPU versnelling
Epidemiologische Dataset (Post-Acute Sequelae van SARS-CoV-2, regiospecifiek)	Openbare gezondheidsdata repositories (bijv. WHO, CDC, ICMR, regionale ziekenhuizen)	N/A	Dataset voor transfer learning experimenten
Jupyter Notebook	Project Jupyter	Open-source	Interactieve omgeving voor codering en documentatie
Keras	Open-source	Geïntegreerd met TensorFlow	High-level API voor het bouwen en trainen van deep learning modellen
Matplotlib / Seaborn	Open-source	N/A	Visualisatiebibliotheken gebruikt voor grafieken en epidemiologische trendanalyse
NumPy	Open-source	N/A	Numerieke berekeningsbibliotheek
Pandas	Open-source	N/A	Data manipulatie en analyse bibliotheek
Voorgetrainde CNN/Transformer modellen (bijv. EfficientNet, BERT-gebaseerde modellen)	TensorFlow Hub / HuggingFace	Model-specifiek	Gebazig voor transfer learning en fine-tuning voor epidemiologische voorspelling
Python (v3.8 of hoger)	Python Software Foundation	Open-source	Programmeertaal gebruikt voor data preprocessing, model training en evaluatie
Scikit-learn	Open-source	N/A	Machine learning bibliotheek voor preprocessing, evaluatiemetrieken en baseline modellen
TensorFlow (v2.x)	Google	Open-source	Deep learning framework gebruikt voor transfer learning en model implementatie