摘要
尽管抗逆转录病毒疗法已经取得成效,但HIV感染者仍面临较高的多系统疾病风险,这些疾病涉及心血管、肾脏、肝脏、肿瘤以及神经精神等多个领域。我们研究了在一家伦敦大型医院接受持续治疗的2200名HIV阳性患者群体中,通过常规收集的电子健康记录数据(30项实验室检测指标加上7项人口统计/社会特征数据),是否能够实现对其所患合并症的早期多标签分类。我们在两种配置下对比了传统机器学习模型与深度学习模型的性能:一种配置考虑了年龄、性别、种族和出生地等敏感人口统计信息,另一种则未考虑这些信息。实验结果显示,XGBoost模型在宏观性能上表现最佳 ,而且考虑人口统计信息的模型始终比不考虑这些信息的模型表现更好。特征重要性分析揭示了一些具有生理学意义的驱动因素(例如,肌酐/eGFR与肾脏及心脏代谢相关疾病相关,血红蛋白与血液系统疾病相关,白蛋白与呼吸系统疾病相关),同时表明不同类型的合并症中,人口统计变量的重要性程度存在差异。这些研究结果说明:(i)常规收集的电子健康记录数据中包含与HIV感染者多标签合并症特征相关的有用信息;(ii)合理运用人口统计信息可以提高分类准确性,同时也有助于人们更公正地考虑公平性及偏见问题。


