Алгоритм прогнозирует выживаемость собак с парвовирусом с эффективностью 84%

CPV-2 был в значительной степени связан с риском смерти у собак, инфицированных парвовирусом

Парвовирус собак 2 типа (CPV-2), принадлежащий к роду Protoparvovirus семейства Parvoviridae, представляет собой одноцепочечный ДНК-вирус. CPV быстро распространяется в популяции собак и имеет высокий уровень смертности. Поскольку CPV полностью зависит от клетки-хозяина, для репликации вируса требуются клетки с высокой пролиферативной способностью, такие как пищеварительный тракт, костный мозг и лимфоидные ткани. Инфекция, вызванная CPV, в первую очередь поражает три основные ткани: желудочно-кишечный тракт, костный мозг и миокард, хотя также могут быть поражены кожа и нервная ткань. Наиболее частыми клиническими проявлениями являются диарея, рвота и лихорадка. Рвота часто бывает тяжелой, при этом диарея и анорексия протекают в меньшей степени. Выведение биологических жидкостей и белков через пищеварительную систему вызывает сильное обезвоживание и гиповолемический шок.

Одним из наиболее важных аспектов CPV для ветеринарного врача и владельца мелких животных является прогнозирование клинического исхода у инфицированных собак. Поэтому для оценки прогноза у собак с СРV был введен ряд клинических и лабораторных биомаркеров. Например, некоторые исследования показали, что лейкопения, нейтропения и лимфопения являются важными биомаркерами для прогнозирования клинического исхода, в то время как другие исследования показали, что синдром SIRS является сильным фактором риска для пациентов, которые не выживают. Кроме того, сообщалось, что уровни С-реактивного белка и церулоплазмина в сыворотке крови были значительно выше у собак, которые не выжили, чем у собак, которые выжили. Сообщалось также, что сывороточный кортизол, концентрации тироксина и С-реактивный белок (СРБ) являются другими прогностическими биомаркерами при парвовирусном энтерите собак.

Алгоритм прогнозирования выживаемости собак с парвовирусом

Хотя все эти биомаркеры по отдельности являются ценными прогностическими факторами, их комбинация может создать более сильные и надежные прогностические показатели. Основным недостатком этих отдельных биомаркеров является недостаточная воспроизводимость, поскольку часто один биомаркер подтверждается в одном исследовании, а в другом - нет. Сложность измерения и стоимость являются другими существенными недостатками. Было бы большим преимуществом, если бы мы могли строить прогностические модели, используя переменные, которые можно легко зарегистрировать / измерить и с минимальными затратами / усилиями. Недавние достижения в области машинного обучения (машинное обучение) и искусственного интеллекта (ИИ) предоставили несколько ценных алгоритмов, которые широко используются для прогнозирования клинических исходов различных заболеваний у людей и животных с использованием комбинации нескольких переменных, а не на основе одной переменной.

Прогнозирование клинического исхода (выживаемости) и времени восстановления очень важно для врачей мелких животных и владельцев собак. Хотя отдельные прогностические биомаркеры не являются достаточно мощными предикторами, разработка моделей машинного обучения с использованием множества клинических и неклинических переменных позволяет более надежно и надежно прогнозировать исход и время восстановления. Например, используя алгоритм случайного леса (RA) и некоторые гематологические и биохимические переменные сыворотки, такие как антитромбин, аспартатаминотрансфераза сыворотки, липаза сыворотки и количество моноцитов и лимфоцитов, можно было надежно предсказать время выживания. Учитывая отсутствие прогностических моделей парвовируса у собак, исследование, проведенное в Иране, было направлено на разработку модели на основе ИИ для прогнозирования клинического исхода и времени выздоровления у 156 собак с парвовирусом.

Анализ времени восстановления и выживаемости

Для каждого случая заражения CPV мы собираем три типа данных: демографические, клинические и лабораторные переменные. Что касается лабораторных переменных, они включали гематологические переменные (например, лейкоциты, количество нейтрофилов и отклонение влево) и некоторые биохимические аналиты (глюкоза, магний и параоксоназа). SIRS был подтвержден наличием по крайней мере трех из четырех критериев, включая частоту сердечных сокращений > 140 / мин, частоту дыхания > 30 / мин, температуру тела > 39,2 ° C и общее количество лейкоцитов более 17000 / мкл или < 6000 / мкл.

Прогностические модели были обучены и протестированы с использованием четырех алгоритмов регрессии ML. Среди категориальных переменных только тошнота, неприятный запах, вялость, обезвоживание и отклонение влево имели значительную связь со временем восстановления.

“Время восстановления у исследованных собак составило 6 ± 1,8 дня. Разработанные модели предсказывали время восстановления в тестовой группе со средней частотой ошибок 2,05 дня”. Среди четырех моделей модель, разработанная с использованием “Линейной регрессии”, имела самый низкий уровень ошибок (1,86 дня). Поскольку переменная массы тела имела слабую корреляцию со временем восстановления, эта характеристика была удалена на следующем этапе, а затем модель была повторно обучена. В новой модели без массы тела показатели моделей немного улучшились (1,81 дня)

Плач был в значительной степени связан с риском смерти

Что касается выживаемости, окончательная модель была разработана с использованием четырех переменных (SIRS, дегельминтизация, вакцинация и плач). Производительность окончательных моделей продемонстрировала средний показатель точности в группах обучения и тестирования до 84 %.

Точно так же, как неожиданный вывод, “мы обнаружили, что плач был в значительной степени связан с риском смерти у собак, инфицированных CPV, встречаясь у 30 % умерших собак”. Таким образом, они добавляют, что “насколько нам известно, это первое исследование, в котором плач используется в качестве возможного прогностического фактора для прогнозирования клинического исхода при CPV-энтерите”.

Таким образом, они заключают, что “наши результаты демонстрируют, что модели машинного обучения могут эффективно интегрировать клинические и лабораторные характеристики для прогнозирования выживаемости и времени восстановления у собак, инфицированных CPV, что является ценным инструментом для раннего прогнозирования и оптимизации лечения”.

https://www.diarioveterinario.com/t/5300099/algoritmo-predice-supervivencia-perros-parvovirus-84-eficacia

Источник: www.diarioveterinario.com

Комментарии: