利用在乌干达和南非收集的临床数据进行跨队列结核病分类

arXiv:2610.03256v1 公告类型：新 摘要：我们首次评估了将机器学习应用于在两个不同国家收集的患者临床和人口统计数据，以进行结核病（TB）筛查，从而识别出将受益于昂贵分子检测的人群。实验基于近期整理完成的 CAGE-TB 数据集，该数据集包含在南非和乌干达社区卫生保健中心就诊的疑似 TB 人群的子队列。研究结合贪心特征选择，考察了三种神经网络架构：逻辑回归（LR）、多层感知机（MLP）和卷积神经网络（CNN）。针对卷积神经网络，研究提出了一种联合优化特征选择与特征排序的策略，并证明该策略能够持续提升开发集和测试集的表现。对于三种模型，使用特征选择后，开发集受试者工作特征曲线下面积（AUROC）提高了 2%–7%。经过特征选择后，LR 在分别使用留出的乌干达数据和南非数据进行测试时，AUROC 达到 0.8 [0.75, 0.86]（95% CI）和 0.84 [0.78, 0.9]。尽管在开发队列上表现优于 LR，更深层的网络（MLP、CNN）在留出队列上呈现出不一致的趋势，而 LR 的 AUROC 表现与最佳结果相差仅 1%–2%。尽管是在完全留出的队列上进行评估，LR 的灵敏度仍比 WHO 的最低要求低 4%–9%，勉强未达标。因此，开发基于神经网络的 TB 筛查分类器似乎是可行的。