Модель глубокого обучения для прогнозирования проблем общественного здравоохранения и неуверенности в отношении COVID

Том 13 научных докладов, номер статьи: 9171 (2023) Цитировать эту статью

4 Альтметрика

Подробности о метриках

На протяжении всей эпохи пандемии COVID-19 был одной из самых неожиданных ситуаций за последние несколько лет, но благодаря децентрализации и глобализации усилий и знаний успешная стратегия контроля на основе вакцин была эффективно разработана и применена во всем мире. С другой стороны, оправданная путаница и нерешительность серьезно повлияли на общественное здравоохранение. Целью данной статьи является снижение сомнений в отношении вакцинации против COVID-19 с учетом истории болезни пациента. Набор данных, используемый в этом исследовании, представляет собой набор данных Системы отчетности о побочных эффектах вакцин (VAERS), который был создан корпорацией Управления по контролю за продуктами и лекарствами (FDA) и Центрами по контролю и профилактике заболеваний (CDC) для сбора сообщений о побочных эффектах, которые могут быть вызванные вакцинами PFIEZER, JANSSEN и MODERNA. В этой статье была разработана модель глубокого обучения (DL) для выявления взаимосвязи между определенным типом вакцины против COVID-19 (например, PFIEZER, JANSSEN и MODERNA) и побочными реакциями, которые могут возникнуть у вакцинированных пациентов. Изучаемыми побочными реакциями являются состояние выздоровления, возможность госпитализации и статус смерти. На первом этапе предлагаемой модели набор данных предварительно обрабатывается, а на втором этапе алгоритм оптимизации роя голубей используется для оптимального выбора наиболее многообещающих функций, влияющих на производительность предлагаемой модели. Набор данных о статусе пациента после вакцинации сгруппирован в три целевых класса (смерть, госпитализация и выздоровление). На третьем этапе рекуррентная нейронная сеть (RNN) внедряется как для каждого типа вакцины, так и для каждого целевого класса. Результаты показывают, что предложенная модель дает самые высокие показатели точности, которые составляют 96,031% для целевого класса «Смерть» в случае вакцинации PFIEZER. При вакцинации JANSSEN целевой класс «Госпитализированные» показал самые высокие результаты с точностью 94,7%. Наконец, модель имеет наилучшие характеристики для целевого класса «Восстановленные» при вакцинации MODERNA с точностью 97,794%. На основании точности и знакового рангового теста Уилкоксона можно сделать вывод, что предложенная модель перспективна для выявления связи между побочными эффектами вакцин против COVID-19 и состоянием пациента после вакцинации. Исследование показало, что некоторые побочные эффекты усиливались у пациентов в зависимости от типа вакцины против COVID-19. Побочные эффекты, связанные с ЦНС и кроветворной системой, продемонстрировали высокие значения у всех изученных вакцин против COVID-19. В рамках точной медицины эти результаты могут помочь медицинскому персоналу выбрать лучшую вакцину против COVID-19 на основе истории болезни пациента.

Существует несколько подходов к разработке вакцины. Они различаются процентом используемого вируса. По данным Всемирной организации здравоохранения (ВОЗ)1, один подход использует весь вирус или бактерию, например, подход, основанный на целом микробе, другой подход использует только ту часть вируса, которая запускает иммунную систему организма, например, субъединичный подход, или использует только ту часть вируса, которая запускает иммунную систему организма, например, субъединичный подход. генетический материал, который предоставляет инструкции, необходимые для создания конкретных белков, например генетический подход (вакцина нуклеиновой кислоты).

В некоторых вакцинах против COVID-19, таких как Pfizer-BioNTech и Moderna2, используется генетически модифицированная форма информационной РНК (мРНК). Внимательно взглянув на конфигурацию COVID-19, можно легко заметить, что поверхность вируса имеет шипообразную конфигурацию, называемую S-гликопротеином. Когда такая мРНК попадает в организм через мРНК-вакцины против COVID-19, она приказывает клеткам тела реципиента вырабатывать безвредный фрагмент белка S. С другой стороны, другие вакцины против COVID-19 считаются векторными вакцинами, такими как AstraZeneca, Janssen и Gamaleya, действие которых основано на рекомбинации шипового гена SARS-CoV-2 в другой вирусный вектор, такой как аденовирус. Вакцины против SARS-CoV-2 на основе вирусных векторов не имеют никакого патогенеза для SARS-CoV-2 и вирусного векторного вируса.