文摘

控制传染病是一个主要的健康优先,因为他们可以传播和感染人类,从而演变成流行或大流行。因此,早期发现传染病是一个重大的需要,许多研究人员已经开发出模型诊断早期阶段。综述了近年来机器学习研究的文章(ML)算法应用于传染病的诊断。ScienceDirect,我们科学的Web搜索PubMed,施普林格,和IEEE数据库从2015年到2022年,确定了ML模型的优缺点,并讨论了可能的建议来推动该领域的研究。我们发现大多数的文章使用小的数据集,其中一些使用实时数据。我们的研究结果表明,合适的ML技术取决于数据集的性质和期望的目标。此外,异构数据可以确保模型的泛化,而大数据,许多特性和混合模型会增加产生的性能。此外,使用其他技术,如深度学习和NLP从非结构化数据中提取大量特性是一种强大的方法来提高毫升诊断模型的性能。

1。介绍

传染病构成重大健康问题。病毒、真菌、细菌,传染病和寄生虫引起,从感染人类或动物的病原体传播到其他人类。世界卫生组织(世卫组织)报告说,传染病,包括下呼吸道感染、疟疾、结核病、艾滋病,是2019年全世界十大主要死因(1]。

几个应用技术致力于开发模型分类不同的传染病。近年来,传染病疫情仍在世界范围内的一个常见问题。因此,早期发现和诊断传染病来有效地防治至关重要。根据古德曼et al。2),及时和准确的诊断传染病管理疾病正确是至关重要的。

人工智能(AI)用于分类和预测传染病的传播3]。人工智能帮助计算机执行任务,需要人类智能。约翰·麦卡锡在1956年推出的“人工智能”一词。不过,研究机器的思维方式发表在这个时间之前,Vannevar Bush的开创性工作,阿兰·图灵在1950年的论文对机器的思考能力和模拟人类的工作(4]。

机器学习(ML)是人工智能的一个分支,从数据和预测。ML算法有三个主要类型:监督、非监督,强化学习。在监督学习中,模型训练在给定数据和独立变量来预测因变量然后实现所需的准确性,如决策树,随机森林(RF),逻辑回归(LR),和 - - - - - -最近的邻居。另一方面,非监督学习识别模式不是机密或标记的训练数据,然后根据提取的特征分类,如先验的算法 - - - - - -的意思。此外,强化学习模型训练机器从经验中学习,通过试验和错误做出准确的决定。

综述论文是有兴趣使用毫升协助一些传染病的诊断和回答以下研究问题:(我)用于诊断传染病毫升技术是什么?(2)是什么类型的数据集用于诊断模型?(3)有哪些性能指标用于传染病诊断模型?

大量新兴的技术使我们有必要提供一个精确的诊断感染性疾病的概述。我们所知,这是第一个审查调查现有的诊断工作,检测和分类传染病来回答这些问题,从而协助新和精确ML检测传染病早期的技术。此外,早期、准确检测传染病中扮演一个重要的角色在未来可能爆发预防。此外,我们提供诊断传染病使用ML算法的趋势和未来的研究方向。

大多数以前的工作表明,毫升方法被许多研究者采用,但没有回顾检查他们。为此,我们提出一个系统回顾处理毫升模型应用于感染性疾病的诊断。我们讨论和描述数据集,利用技术,为每个模型和性能。根据获得的解释和讨论,我们为未来的研究提供建议和趋势在该地区协助创建一个准确和也许广义模型检测传染病早期以避免可能引起的暴发。

我们组织的结构综述如下。首先,相关工作节讨论评论和系统综述论文传染性疾病分类和诊断模型。然后,在搜索策略部分,我们定义的标准包含的文章。之后,我们提供一个详细的解释每一篇文章都在结果部分。然后,我们提出一个讨论和未来的研究趋势。最后一部分是结论。

在文献中,一些系统综述论文介绍了传染性疾病分类中使用毫升。然而,这些论文是关于审查毫升等只有特定传染病的诊断COVID-19 [5,6)、肝炎(7)、肺炎(8)、肺结核(9- - - - - -11],甲型流感病毒表型(12]。

其他报纸关心一些传染病,但这些评论的指定应用数字技术,人工智能,机器学习克服人类传染病实验室检测分析的局限性(13,14]。其他评论集中在各种感染和非感染性疾病(15,16]。

表1总结了相关作品的主要特点区分他们和我们的系统评价。

表1
比较相关的系统评价和系统综述。

3所示。搜索策略

我们依靠的过程系统回顾首选项报告系统回顾和荟萃分析(棱镜)[17)收集、审查和回答的研究问题。它有三个主要阶段:识别、筛选过程,包括研究,如图1。


图1
棱镜流程图。
3.1。识别和搜索来源

本文探索了四个数据库:网络科学,PubMed,施普林格,IEEE, ScienceDirect,找到相关研究文章从2015年到2022年。关键字的组合用于搜索查询如下:“传染性疾病分类模型,”“ML诊断传染病,”和“人工智能为传染病的分类。“搜索了9490英语记录,4241年从科学的网络,1771年从PubMed, 3299年从ScienceDirect,从IEEE 147,并从Springer 32。此外,我们使用了一个自动化工具来删除重复记录和2168年56个非英语语言的文章。

3.2。筛选过程

本研究只关注ML算法对人类的研究。它分类检索诊断模型分为六类的基础上,应用数据集。模型使用的症状和体征,模型,使用图像处理、模型使用临床试验,模型,使用临床报道,使用电子健康记录的模型,模型,结合几个预测。

这项研究不包括2364资格的文章。其中,2148是无关紧要的,216是文学和系统评价。其余的文章是4902年;消除文章185,因为他们提供关于传染病的诊断模型除了其他非传染性的疾病和1456篇文章关于传染病的传播和扩散模型。两个不相关的综述。最后文章检索共3261名。

3.3。包括研究

本文筛选的3261个全文检索通过系统回顾本研究的作者加速器的工具。我们使用检查表的关键评估和预测建模的系统评价研究数据提取(魅力)18评估这些检索到的文章。魅力的文摘综述了检查表,如表中所示2。我们发现1091篇文章基于图模型等技术,红外光谱,检测模型,风险和严重程度评估模型。此外,115篇文章关注深度学习技术,我们不包括综述。此外,我们排除了动物研究(356篇文章),模型预测治疗和药物(819篇文章),和研究对传染性疾病的基因、基因组测序和其他分析方法(866篇文章)。最后,我们发现只有14个文章匹配我们的入选标准。

表2
魅力清单所选文章的摘要。

4所示。搜索结果

综述了每个选中文章叙述地。在接下来的部分,我们覆盖的数据集的解释,类型的ML技术为每一个研究,模型的性能,如精度、准确性、特异性和敏感性。

4.1。数据规范

最检索毫升诊断模型是基于症状和体征(19- - - - - -24基于实验室检测[],紧随其后的是模型25,26]。此外,我们发现毫升模型基于临床和电子健康记录(EHRs) [27,28基于临床报告[],毫升模型29日),毫升模型基于图像处理与其他技术(30.,31日],毫升模型基于预测的组合包括实验室测试结果异常,发病率,症状和体征,以及流行病学特征(32]。图2总结了这些不同的采集方法。此外,表3显示了大小、采集方法和类型的每一篇文章的传染病。


图2
数据采集方法14所选文章。
表3
数据集的综述文章。
4.2。数据集的特性

破伤风和手足口病引起自主神经系统功能障碍(ANSD)和导致死亡的复杂的阶段。此外,生理波形从传感器易受噪声和应该收集过滤使用通滤波器,后跟一个高斯滤波器(19]。相比之下,生物传感器在20.)收集五直接从病人生命体征量化和多路传输信号的中心,通过蓝牙技术将它们发送给移动应用程序。

另一方面,采用智能手机应用程序(21]在调查问卷收集数据格式从注册用户。然而,研究[22)相比,实时聚合酶链反应(rt - pcr)结果与声乐的诊断结果输入时的录音和所需的数据集可以在WAV格式。

使用Twitter的应用程序编程接口(api) (23)从用户的消息中提取数据,然后实现预处理来提高质量和消除噪声。此外,真正的电子健康记录的104人被诊断出患有流感是用来验证结果。

领域本体构建在24)传染病诊断507种不同的基于病人的症状和体征。基于本体的模型比以前的工作更完整,执行数据驱动决策的初级保健。另一方面,急诊(ED)自由文本报告实施基于31个发现流感病例临床研究采用ML分类器(25]。

此外,结合常规实验室检测与ML模型(26,27]提供了宝贵的机会来帮助在传染病的诊断。所选择的测试(27包括六个临床化学(CC)参数和14全血细胞计数(CBC)参数。此外,35特性被用来诊断COVID-19 (26),随机抽样了22385至少33名患者35总特征。

此外,病人记录系统是一个临床信息系统,提供了有价值的信息,包括疾病诊断。因此,它协助病人护理。临床记录28和电子健康档案29日)被用来收集患者的人口统计学和临床资料,协助在传染病的诊断。

为分类特征工程是一项至关重要的任务,它有助于提取特征的计算机断层扫描(CT)图像。小说运用卷积神经网络(CNN)模型(31日)协助毫升分类。此外,该研究的作者(31日应用对比直方图均衡化有限(CLAHE)来提高图像的质量。然而,不同的数据集,包括临床数据(人口、放射学分数和实验室测试)和损伤/肺radiomic特性从增强胸部CT图像中提取,实现了在30.),诊断COVID-19。

此外,建立了一个分类器(3225)分类常见的传染病。它使用的症状和体征,城市疾病的起源,疾病的流行病学特征,和异常的实验室测试结果作为输入,但作者并没有指定使用的所有特性模型。表4每个数据集的特性列表。

表4
特性用于诊断模型。
4.3。ML算法和模型的性能

不同的ML算法的综述文章侧重于数据的性质和目标实现33]。此外,不同的性能指标用于评估不同的ML算法。正确的选择指标(34)影响模型的有效性基于测试数据集和如何衡量和比较ML算法的性能。这些指标包括精度、召回(灵敏度)、精度、特异性和F1-score。图3分类综述文章根据每个模型采用的ML算法。


图3
ML算法中使用的综述文章。

支持向量机(SVM)被用作标识符(19,22,26)诊断各种传染病。研究[19)尝试用线性和高斯核支持向量机分类自主神经系统功能障碍(ANSD)水平对手足口病和传染性破伤风的疾病。ANSD是死亡的主要原因为手足口病和破伤风。这项研究试图自动检测ANSD级别和表明,高斯内核提供了最好的结果。此外,它使用不同的测量精度等精度、特异性、召回和F1-score。然而,手工编码的特性是研究的主要限制。

4毫升模型,即。,SVM, RF, gradient boosting (XGBoost), and LR, utilized complete blood count (CBC) parameter results and clinical chemistry (CC) results to diagnose the COVID-19 infectious disease [26]。然而,RF模型表现最好的本研究的数据集,而采用支持向量机模型在外部验证数据集表现最好的。

此外,模型训练CBC和CC比训练有素的CBC只有提供更好的结果。研究报道,毫升模型能够探测COVID-19当人口更严重的情况下,最终提高灵敏度。此外,它表明,嗜酸性粒细胞计数模型使用的是最重要的特性。

此外,一个三级体系结构支持semisupervised学习方法(22]。第一阶段使用变压器,pretrained标记记录帧序列转换成“变压器嵌入。“在第二阶段,递归神经网络(RNN)分类器是利用扬声器声音输入,每个分类器产生一个分数为每个COVID-19-positive概率。在第三阶段,合奏叠加生成的元模型,和分数为每个分类器平均每个扬声器组装成一个特征向量。最后,特征向量的线性支持向量机训练重量分数和预测最终结果。此外,交叉验证用于合奏叠加模型的性能指标。

除了机器学习算法,另一个常规血液测试是用于诊断COVID-19从255种不同的病毒和细菌感染25]。它各种毫升技术相比,如支持向量机、射频、神经网络(NN),和极端的梯度增加(XGBoost)。XGBoost模型优于其他有5333患者负面测试和160患者积极的测试用于培训。过去了十倍分层交叉验证测试过程来评估模型的性能。

整体学习使用的混合算法来解决分类和回归问题无法解决一毫升模型(35]。此外,整体学习软投票模型(高斯朴素贝叶斯(GNB)、支持向量机、决策树(DT)、LR、和RF)部署了(31日在诊断COVID-19从CNN模型特征提取。这项研究用85%的图片来训练该模型和15%的图片来测试它。此外,混淆矩阵评估每个模型的鲁棒性决定的准确性,F1-score,记得,精密,曲线下的面积(AUC)和比较与先前的工作实现相同的数据集。

这项研究在21)症状和ML的组合技术用作筛选模型,确定个人COVID-19感染。相比5毫升技术:LR逐步,射频,朴素贝叶斯(NB),决策树使用C5.0 (DT)和XGBoost。此外,它利用不同的数据平衡techniques-upsampling,将采样,少数合成过采样技术(杀),和随机采样过密的例子(玫瑰),导致25毫升的组合技术和采样策略。应用数据集分为80%的训练,20%的测试集。此外,参与者的概率超过50%被列为COVID-19感染。最后,研究应用了马修斯相关系数(MCC),特异性,F1-score,敏感性,阳性预测值(PPV)和负prepredictive价值(NPV)来评估结果。XGBoost、LR和随机森林技术提出了最佳值监控化学品,紧随其后的是朴素贝叶斯(NB)和决策树。

与监督ML算法,从手动标记数据集训练一个分类器,然后对self-classifying标记数据训练分类器,无人监督的ML算法训练分类器发现隐藏的模式和结构从无标号数据没有目标变量(36]。无人监督的情绪分析提出了在23),这是自底向上的方法来发现潜在的传染性疾病,而不是现有的疾病。研究应用黄玉自然语言处理(NLP)工具,计算语言学和文本分析Twitter消息。它假定身体部位、症状和疼痛的位置是在文本中所提到的,权重向量为每个单独的症状和创建时间。研究了共存分析因为没有训练数据和减少假阳性。

另一方面,7毫升classifiers-Bayesian分类器(NB,贝叶斯网络K2算法(K2-BN)和高效的贝叶斯多元分类(EBMC)),函数分类器(LR、支持向量机、人工神经网络(ANN)),和决策树(RF)都是训练有素的使用数据从ED自由文本中提取报告[29日]。他们的诊断能力而expert-built流感贝叶斯分类器。NLP结果显示有90%的准确测定所需的临床发现ED自由文本报告。缺失值在训练数据集被分配值(假),而在测试数据集,他们被分配到价值缺失(M)。在这项研究中,只有ACU被用来评估分类器的性能。此外,4毫升classifiers-NB SVM, LR, ANN-obtained最高AUC, 0.93。

作者在20.]介绍了ML的组合技术、云服务、移动通信和执行模式识别分析。三个ML算法应用:NB,过滤后的分类器(FC),射频,允许改变属性的权重。6277年样本60人进行验证培训分为95%和5%。这是发现心率在分类过程中是最重要的变量。研究NB和FC上的web服务实现和实验变量的权重通过射频软件应用程序。

此外,NB分类器实现(24,32)对几种传染病进行分类。此外,病人的自我检查是必需的(24),提出了决策支持系统,支持传染病诊断和治疗。在[24),我们只专注于诊断部分,这有助于诊断细菌感染的类型;这是测试84医疗记录。贝叶斯分类器拥有高预测性能(32),模型的输出是一个可能的疾病列表安排根据概率计算。

另一个组合的方法,涉及电子健康档案和ML技术提出了在28]的方法使用EHR(4271特性),策划数据特性(23)的另一项研究[37),并实现两者的结合功能训练模型。该模型在80%的数据研究训练和评估为20%。此外,它的L2正规化和应用 - - - - - -最佳特征选择技术来控制数据过度拟合和大维度问题,分别。结果表明,该模型仅基于EHR表现策划和combination-based模型在预测复杂的CDI。此外,研究实现接受者操作特征曲线下的面积(AUROC)测量模型的区别的性能。

此外,RF模型相比,早期发现Candidemia LR模型内部医疗病房(世界地图)27]。RF模型使用的原来的特性和重组后的复制它们的值。这项研究使用了150不同组合的三个随机森林算法的调优参数。每个模型的区别的性能评估,敏感性和特异性的价值观和ROC曲线下的面积(AUC, - - - - - -统计数据)。此外,Hosmer-Lemeshow测试(停止)被用来评估模型的校准。值得注意的是,一个更小的值停止统计和更大的价值(停止 )射频模型显示更好的性能。交叉验证过程表明,最优的射频模型优于LR模型有关歧视和校准。

监督ML算法XGBoost分类器实现(30.)来训练模型找到模式预测COVID-19患者的生存。无论是活着还是死了的预测模型可以有效地预测状态COVID-19患者临床数据和通过各种组合radiomic(肺/病变)特性。数据集被分为106个病人培训/测试验证和46个评价选择模型。

此外,引导技术被用于XGBoost hyperparameter调优与1000重复通过随机搜索方法。最大相关最小冗余(MRMR)是用于特征选择。表5显示了ML技术用于每一篇文章和性能指标用来评估开发模型。

表5
比较的综述文章关于应用毫升技术和结果性能。

有许多限制报道在传染病的诊断模型,如表中所示6。为了克服它们,我们为未来的研究提供一些建议。此外,图4表明,症状和体征是几篇文章所使用的诊断不同的传染病,最NB ML算法用于不同的传染病。然而,包括更关键特性可以提高模型的性能,许多功能的自动编码效率比手工编码。此外,大多数综述文章的共识是要求大型数据集,以提高精确度,保证开发的可靠性模型,并验证结果。此外,诊断实验室测试(s)需要帮助确认疾病预后。

表6
综述文章的优缺点的比较。

图4
百分比数据集类型和ML算法的综述文章。

毫升模型可以从血常规提取的预后数据测试结果,未被注意的最有经验的临床医生。然而,一些文章,使用单一的ML算法应该关注评估多个ML算法和比较不同模型的性能。

此外,NLP有利于从临床报告中提取特征,指出,社会媒体,等。然而,一个复合的NLP工具可以实现提高特征提取的准确性。

此外,深度学习模型,特别是卷积神经网络(CNN)模型,从临床图像中提取巨大功能强盛。这些特性被部署到通过各种毫升传染病模型进行分类。导致性能承诺帮助临床医生在诊断一些传染病从图像在早期阶段。

EHR包含实验室数据和放射学报告,自由文本临床指出,病人的人口统计资料等。因此,使用EHR可以达到更好的精度。此外,如果朴素贝叶斯分类器实现,那么计算向量之间的相关性症状的程度是至关重要的对传染病的概率进行评估。

最后,开发一个毫升模型检测和分类传染病作为web应用程序或API调用是一个好主意。然而,未来的研究需要调查如何毫升模型实时执行。此外,未来需要验证来获得更强大的结果。另一方面,处理来自多个数据源的异构数据集和实现医学本体是更有用的,以确保模型的普遍性。此外,该模型达到更好的区别的更多相关数据,和综合性能。此外,开发一种混合模型诊断传染病建议从一个巨大的数据集。重要的是要注意,我们的复习没有执行任何荟萃分析,因为审查研究文章太异构的数据(38]。

6。结论

传染病会影响人类世界,导致在复杂情况下死亡。研制了许多贡献使用各种传染病诊断和分类的方法。此外,ML算法可以协助诊断传染病的早期阶段。通过回顾所选的文章中,我们发现一些限制在这些研究中,包括小的数据集,这是主要的限制。结合技术来提取更多的功能是非常有用的,可以提高毫升预测模型的性能。必须建立一个智能和广义健康系统,可以结合医学本体,实时异构来自多个数据源的数据,毫升预测模型,帮助临床医生在诊断传染病早期。此外,病人可能访问这个系统,提醒他们关于可能的传染病。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

所有作者已阅读及同意发布版本的手稿。