丙型肝炎感染的β-地中海贫血患者治疗反应预测的混合模型

### 丙型肝炎感染的β - 地中海贫血患者治疗反应预测的混合模型 #### 1. 引言 在埃及，丙型肝炎（HCV）是一个严重的健康问题，其全球报告的患病率最高。埃及在全球病毒性肝炎负担方面排名第五，其中 HCV 基因型 4 占全球 HCV 血清阳性率的 8.3%，但在埃及是主要基因型，占感染病例的 90%以上。不过，随着全国性 HCV 感染预防和治疗计划的实施，埃及的 HCV 发病率正在逐渐下降。 β - 地中海贫血是一种遗传性疾病，由于β - 珠蛋白链严重减少或缺失，导致红细胞溶血和严重贫血，患者需要终身输血和进行铁螯合治疗。β - 地中海贫血重症（β - TM）在世界各地的发病率差异很大，在沙特阿拉伯东部、意大利南部、塞浦路斯和希腊的部分地区，发病率可达 17 - 20%。在埃及，地中海贫血是慢性溶血性贫血的最常见原因，携带者率约为 9 - 10%。目前，虽然通过血库传播 HCV 的情况有所减少，但仍有约 30%的地中海贫血患者可能感染 HCV，他们可能通过家族内传播或社区相关活动（如理发或牙科手术）感染。HCV 感染和铁过载共同导致埃及多次输血的地中海贫血患者出现严重的肝纤维化和肝硬化。 在 2014 年之前，HCV 的常规治疗方法是每周注射聚乙二醇干扰素并联合口服利巴韦林，但这种联合治疗的效果并不理想，因为利巴韦林的副作用会导致患者溶血和贫血。因此，目前无干扰素治疗方案已成为 HCV 治疗的标准。然而，关于直接抗病毒药物（DAAs）在治疗地中海贫血患者 HCV 感染的疗效和副作用方面的临床试验很少。 机器学习（ML）是人工智能（AI）的一部分，它通过获取输入数据来创建模型，帮助做出自主决策。数据挖掘则是利用数据分析工具发现数据中的知识和关系，以进行有效预测。分类是数据挖掘和机器学习中的重要环节，旨在预测未来数据对象的类别。研究人员已经将机器学习算法应用于帮助医生探索未知模式、预测 HCV 相关肝病的进展，并为有疾病进展风险的患者优先安排治疗，特别是在资源有限的国家。但针对地中海贫血的数据挖掘研究相对较少，尤其是在埃及。以往许多研究样本数量较少，这严重限制了得出科学结果和结论。 为了解决这些问题，本研究使用了之前收集的来自埃及 HCV 感染的β - 地中海贫血患者的真实数据集，以评估所提出的检测模型的效率。同时，应用了合成少数过采样技术（SMOTE）来解决数据集中类分布不平衡的问题。当响应变量均匀分布时，分类器的性能更好，但当数据集不平衡时，就会出现问题。例如，疾病的发生率和患病率通常低于 50%，阳性病例数量少于阴性病例，这会导致少数类被标准分类器误分类，从而使多数类的预测准确率高于少数类。在医学领域，少数类通常是科学家需要更准确预测的主要类别。处理不平衡数据集有两种方法：在数据层面，通过重采样（如过采样和欠采样）；在算法层面，通过改变分类阈值。 本研究比较了多层感知器（MLP）、支持向量机（SVM）和朴素贝叶斯（NB）三种基本分类器在不平衡数据集上对治疗反应的预测准确性，并评估了 SMOTE 过采样技术对这些分类器评估的影响。此外，还基于神经网络和 SVM 的预测输出构建了一个混合模型，并通过 R 软件的图形用户界面展示。 #### 2. 相关研究 - **基于遗传编程和神经网络的分类研究**：有研究利用遗传编程结合 MLP 和决策树模型，根据红细胞、网织红细胞和血小板的特征，区分地中海贫血患者、地中海贫血携带者和正常受试者。结果显示，基于遗传编程的决策树性能与单层隐藏层的 MLP 相近，而两层隐藏层的 MLP 表现更优，准确率达到 90%。研究还指出，地中海贫血携带者和正常受试者之间的分类模糊是分类错误的主要原因，MLP 与血细胞分析的结合可能为地中海贫血分类的进一步研究提供指导。 - **多种分类算法的比较研究**：2017 年，有研究使用五种分类算法和投票算法，基于全血细胞计数（CBC）测试，区分包括β - 地中海贫血、α - 地中海贫血和缺铁性贫血在内的三种贫血类型。结果表明，使用投票算法结合 J48、IBK 和朴素贝叶斯算法，在使用所有特征和减少特征时，性能最佳，准确率分别为 96.343 和 96.2169。这表明混合算法相比单一分类器可以提高诊断准确性并降低错误率。 - **不同分类技术的对比研究**：Amendolia 等人进行了一项比较研究，使用 SVM、KNN 和 MLP 模型进行地中海贫血诊断。SVM 基于两层模型进行分类，一层用于区分正常和患者样本，另一层用于区分α - 和β - 地中海贫血携带者。结果显示，MLP 诊断地中海贫血携带者的特异性为 95%，敏感性为 92%，而 SVM 的敏感性为 83%，特异性为 95%。 - **机器学习技术的性能比较研究**：还有研究比较了 MLP、KNN、NB、贝叶斯网络（BNs）和多项式逻辑回归（MLR）等多种机器学习技术在筛查β - 地中海贫血患者中的性能。通过主成分分析（PCA）进行特征选择，结果显示 MLP 是最佳算法，准确率为 86.6142%，其他算法的准确率分别为 KNN（85.8268%）、NB（85.0394%）、BNs（85.0394%）和 MLR（82.6772%）。 - **人工神经网络的分类算法研究**：有研究开发了一种使用人工神经网络对β - 地中海贫血重症和轻症进行分类的算法，其实践结果显示该模型的准确率为 76.9%。 - **基于数据挖掘的分类研究**：Elshami 和 Alhalees 利用数据挖掘技术，基于 CBC 区分不同类型的地中海贫血和缺铁性贫血。结果表明，平均红细胞体积（MCV）是主要特征，决策树（DT）、朴素贝叶斯（NB）和人工神经网络（ANN）分类器的准确率分别为 93.6%、93.7%和 95.7%。 - **基于多种分类技术的风险预测研究**：2019 年，Egejuru 等人使用决策树、MLP 和朴素贝叶斯等多种分类技术，在 WEKA 软件中根据风险因素访谈和问卷调查，预测所有年龄段地中海贫血的风险。该研究得出结论，使用 MLP 进行地中海贫血预测可以改善决策制定。 - **混合数据挖掘模型的应用研究**：有研究使用来自巴勒斯坦 Avenir 基金会的新数据集，识别加沙地带的β - 地中海贫血携带者。该研究应用了混合数据挖掘模型和 SMOTE 过采样技术，对 KNN、NB、DT 和 MLP 分类模型进行处理，以区分正常人和β - 地中海贫血携带者。结果显示，在 SMOTE 比率为 400%时，NB 分类器的性能最佳，特异性为 99.47%，敏感性为 98.81%。 - **模式识别和 MLP 模型的诊断研究**：有研究使用 MATLAB 中的模式识别技术，根据红细胞计数（RBC）、红细胞分布宽度（RDW）和血小板计数，诊断地中海贫血轻症患者与缺铁性贫血和对照组。第一个模型使用所有特征，第二个模型仅使用 MCV、RDW 和 RBC 三个参数。结果显示，使用三个参数的最佳人工神经网络（ANN）模型的结果略好。还有研究设计了一个基于 CBC