MÔ HÌNH MÁY HỌC TIÊN ĐOÁN

SỐC DENGUE Ở TRẺ EM

Nguyễn Ngọc Rạng , Lâm Thị Huệ, Phạm Văn Hưng , Bùi Quang Nghĩa, ĐHYD Cần Thơ

MỞ ĐẦU

+ Tiên đoán sốc sớm, can thiệp kịp thời giảm tử vong và biến chứng

+ Mô hình truyền thống: hạn chế

+ Mô hình máy học (Machine learning): tiên đoán tốt hơn

1- Thu thập dữ liệu

2- Chuẩn bị dữ liệu, phân chia 2 sets

3- Chọn mô hình MC KNN, RF, NB, NNA, SVM…

4- Huấn luyện mô hình Cross-validation

5- Đánh giá mô hình AUROC, Accuracy, F1 score…

6- Tinh chỉnh tham số (hyperparameter tuning)

7- Đưa ra dự đoán

​

CÁC BƯỚC XÂY DỰNG MÔ HÌNH MÁY HỌC

CHUẨN BỊ DỮ LIỆU (PREPROCESSING)

+ Xử lý dữ liệu thiếu (Missing Data)

+ Xử lý dữ liệu nhiễu (trị ngoại lai)

+ Chuẩn hóa (Normalization/Standardization) center, scale

+ Cấu trúc dữ liệu

+ Chia dữ liệu (Data Splitting): tập huấn luyện và tập kiểm tra

+ Lưu dữ liệu : csv, rda…

Accuracy

Recall

Precision

PHÂN CHIA 2 TẬP: HUẤN LUYỆN VÀ KIỂM TRA

CHỌN MÔ HÌNH MÁY HỌC

RANDOM FOREST NEURON NETWORK XGBOOST, ADABOOST

CHỌN MÔ HÌNH MÁY HỌC

HUẤN LUYỆN MÔ HÌNH ( R )

HUẤN LUYỆN MÔ HÌNH (PYTHON)

HUẤN LUYỆN MÔ HÌNH

TINH CHỈNH MÔ HÌNH

ĐÁNH GIÁ MÔ HÌNH

• Độ chính xác (Accuracy)
• Độ nhạy (Sensitivity, Recall)
• Độ đặc hiệu (Specificity)
• PPV (Precision)
• NPV
• Chỉ số F 1
• AUROC

CÁC CHỈ SỐ ĐÁNH GIÁ HIỆU SUẤT

ĐƯỜNG CONG ROC

Bảng 1. Đặc điểm cơ bản 2 nhóm sốc và không sốc

KẾT QUẢ

Bảng 2. Hiệu suất các mô hình máy học ở tập kiểm tra (test set)

KẾT QUẢ

Bảng 3. Hiệu suất các mô hình máy học ở tập huấn luyện (training set)

KẾT QUẢ

Đặc trưng quan trọng (Feature importance)

KẾT QUẢ

Biểu đồ Nomogram

Albumin (100) +AST (50) + Platelet (55)= 205 points ( Sốc: 80%)

KẾT QUẢ

Calibrate biểu đồ nomogram

KẾT QUẢ

BÀN LUẬN

Phân tích gộp có 18 YT liên quan đến sốc dengue

​

Tuổi, giới nữ, TC thần kinh, nôn ói, đau bụng, gan to, XHTH , HCT, hạ albumin, hạ protein, dịch ổ bụng, dịch màng phổi, giảm tiểu cầu, AST, ALT, APTT, ALT, fibrinogen, tái nhiễm, DEN-2

Huy NT et al. Factors associated with DSS: a systematic review and meta- analysis. PLoS Negl Trop Dis. 2013

BÀN LUẬN

• Cỡ mẫu nhỏ, thực hiện tại 1 bệnh viện
• Các biến đặc trưng là biến nhị phân làm giảm khả năng tiên đoán của mô hình
• Không bao gồm các biến lâm sàng (ói, đau bụng, gan to)
• Không xác định tình trạng sơ/tái nhiễm và type huyết thanh của DEN

HẠN CHẾ

“Mô hình dựa vào máy học có khả tiên đoán tốt HCSD ở trẻ em điều trị nội trú. Biểu đồ trực quan gồm 5 YTNC (albumin, APTT, fibrinogen, AST, tiểu cầu) giúp cho các nhà lâm sàng phát hiện sốc SXH sớm”

​

KẾT LUẬN

Xin cảm ơn