vitjВрач и информационные технологииMedical Doctor and Information Technologies1811-01932413-5208Pirogov National Medical and Surgical Center10.25881/18110193_2023_3_16vitj-103Research ArticleОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯORIGINAL RESEARCHРазработка модели машинного обучения для прогнозирования числа впервые выявленных пациентов с ВИЧ инфекцией в субъектах Российской ФедерацииDevelopment of a machine learning model predicting the incidence of newly diagnosed HIV infection in the subjects of the Russian FederationКотловскийМ. Ю.KotlovskiyM. Yu.

д.м.н.

Москва

DSc

Moscow

m.u.kotlovskiy@mail.ruЦыбиковаЭ. Б.TsybikovaE. B.

д.м.н.

Москва

DSc

Moscow

erzheny2014@yandex.ruЛорсановС. М.LorsanovS. M.

г. Грозный

Grozny

info@minzdravchr.ruФадеевП. А.FadeevP. A.

к.м.н.

г. Грозный

PhD

Grozny

fadeipavel@mail.ruФадееваС. О.FadeevaS. O.

г. Грозный

г. Ярославль

Grozny

Yaroslavl

fadeeva-lana@inbox.ruГусевА. В.GusevA. V.

к.т.н.

Москва

PhD

Moscow

agusev@webiomed.aiФГБУ «ЦНИИОИЗ» Минздрава РоссииРоссияCentral Research Institute of Organization and Informatization of Healthcare of the Ministry of Health of RussiaRussian FederationМинистерство здравоохранения Чеченской РеспубликиРоссияMinistry of Health of the Chechen RepublicRussian FederationРеспубликанский центр общественного здоровья и медицинской профилактики»; Ярославский государственный медицинский университетРоссияRepublican Center for Public Health and Medical Prevention; Yaroslavl State Medical UniversityRussian Federation202327032025031629Copyright © Котловский М.Ю., Цыбикова Э.Б., Лорсанов С.М., Фадеев П.А., Фадеева С.О., Гусев А.В., 20252025Котловский М.Ю., Цыбикова Э.Б., Лорсанов С.М., Фадеев П.А., Фадеева С.О., Гусев А.В.Kotlovskiy M.Y., Tsybikova E.B., Lorsanov S.M., Fadeev P.A., Fadeeva S.O., Gusev A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vit-j.ru/jour/article/view/103

Цель: разработать модель прогнозирования числа впервые выявленных пациентов с ВИЧ-инфекцией в субъектах Российской Федерации с использованием методов машинного обучения.Материалы и методы: исходные данные были получены из формы федерального статистического наблюдения №61 и данных Росстата о среднегодовой численности населения - из 85 субъектов РФ (2016-2022 годы). Проведено сравнение методов машинного обучения и их ансамблей при построении регрессионной модели для прогнозирования числа впервые выявленных пациентов с ВИЧ-инфекцией в субъектах РФ.Результаты: модель строилась с помощью методов: линейной регрессии, решающего дерева, случайного леса, градиентного бустинга на решающих деревьях и бэггинга. Использовалась интерактивная вычислительная среда «Jupiter Notebook» (6.5.2) и программные библиотеки «Pandas» (1.5.3), «Scikit-learn» (1.0.2), «Statsmodels» (0.13.5) и CatBoost. Оптимальные гиперпараметры подбирались с использованием фреймворка «Optuna». В качестве метрик качества выступили: корень из среднеквадратичной ошибки (RMSE); коэффициент детерминации (R2); средняя абсолютная ошибка (MAE); средняя абсолютная процентная ошибка (MAPE); медианная абсолютная ошибка (MedAE).Выводы: применение методов и алгоритмов машинного обучения дает разные результаты в части метрик точности работы моделей. Наихудшие значения всех метрик качества продемонстрировал метод линейной регрессии (MAPE 67%). Наилучшим являлось сочетание (Бэггинг) двух ансамблевых методов — случайного леса и градиентного бустинга на решающих деревьях, поскольку было достигнуто максимальное значение большего числа метрик качества. В этой связи целесообразно проверять все доступные методы и алгоритмы машинного обучения и затем выбирать из полученных результатов наиболее качественную модель.

Aim: to develop a model predicting the incidence of newly diagnosed HIV infection in the subjects of the Russian Federation using machine learning methods.Materials and methods: The initial data were obtained from the Federal statistical observation Form No. 61 and Rosstat data on the average annual population of 85 subjects of the Russian Federation (2016-2022). We made a comparison of machine learning methods and their ensembles in the construction of a regression model for predicting the incidence of newly diagnosed patients with HIV infection in the subjects of the Russian Federation.Results: The model was built using the following methods: linear regression, decision Tree, random forest, gradient boosting on decision trees (GBDT) and bagging. The interactive computing environment «Jupiter Notebook» (6.5.2) and software libraries «Pandas» (1.5.3), «Scikit-learn» (1.0.2), «Statsmodels» (0.13.5) and CatBoost were utilized. Optimal hyperparameters were selected using the Optuna framework. The following quality metrics were used: root of mean square error (RMSE); coefficient of determination (R2); average absolute error (MAE); average absolute percentage error (MAPE); median absolute error (MedAE).Conclusions: The use of machine learning methods and algorithms gives different results in terms of metrics of model accuracy. The worst values of all quality metrics were demonstrated by the linear regression method (MAPE 67%). The combination (bagging) of the two ensemble methods — Random Forest and GBDT — was the best, since the highest values were found for a larger number of quality metrics. In this regard, it is reasonable to test all available machine learning methods and algorithms and then select the best-quality model from the results obtained.

ВИЧ-инфекцияпрогнозная аналитикамашинное обучениеискусственный интеллектHIV infectionpredictive analyticsmachine learningartificial intelligenceReferencesВИЧ-инфекция и СПИД. Национальное руководство. Под ред. акад. РАН, профессора В.В. Покровского, Москва: ГЭОТАР-МЕДИА, 2020. — 686 с.HIV infection and AIDS. National leadership. Аcad. RAS, Professor V.V. Pokrovsky, editor. Moscow: GEOTAR-MEDIA, 2020. 686 p. (In Russ.)Бодрин К.А., Красноперова А.А. Использование технологий машинного обучения в медицине // Теория и практика современной науки. — 2018. — №10(40). — С.52-56.Bodrin KA, Krasnoperova AA. The use of machine learning technologies in medicine. Theory and practice ofmodern science. 2018; 10(40): 52-56. (In Russ.)Вострокнутов М.Е., Дюжева Е.В., Кузнецова А.В., Сенько О.В. Факторы риска госпитальной летальности больных с сочетанием туберкулеза и ВИЧ-инфекции в учреждениях уголовно-исполнительной системы // Туберкулез и болезни легких. — 2019. — Т.97. — №7. — С.34-41. doi: 10.21292/2075-1230-2019-97-7-34-41.Vostroknutov ME, Dyuzheva EV, Kuznetsova AV, Senko OV. Risk factors of hospital mortality of patients with a combination of tuberculosis and HIV infection in institutions of the penal system. Tuberculosis and lung diseases. 2019; 97(7): 34-41. (In Russ.) doi: 10.21292/2075-1230-2019-97-7-34-41.Тарасова О.А., Филимонов Д.А., Поройков В.В. Компьютерный прогноз резистентности вируса иммунодефицита человека к ингибиторам обратной транскриптазы ВИЧ // Биомедицинская химия. — 2017. — Т.63. — №5. — С.457-460. doi: 10.18097/PBMC20176305457.Tarasova OA, Filimonov DA, Poroikov VV. Computer prediction of human immunodeficiency virus resistance to HIV reverse transcriptase inhibitors. Biomedical chemistry. 2017. 63(5): 457-460. (In Russ.) doi: 10.18097/PBMC20176305457.Rajendran M, Ferran MC, Mouli L, Babbitt GA. Lynch Evolution of drug resistance drives destabilization of flap region dynamics in HIV-1 protease. Biophys Rep (NY). 2023; 3(3): 100121. doi: 10.1016/j.bpr.2023.100121.Rajendran M, Ferran MC, Mouli L, Babbitt GA. Lynch Evolution of drug resistance drives destabilization of flap region dynamics in HIV-1 protease. Biophys Rep (NY). 2023; 3(3): 100121. doi: 10.1016/j.bpr.2023.100121.Bukic E, Milasin J, Toljic B, Jadzic J, Jevtovic D, Obradovic B, Dragovic G. Association between Combination Antiretroviral Therapy and Telomere Length in People Living with Human Immunodeficiency Virus. Biology (Basel). 2023; 12(9): 1210. doi: 10.3390/biology12091210.Bukic E, Milasin J, Toljic B, Jadzic J, Jevtovic D, Obradovic B, Dragovic G. Association between Combination Antiretroviral Therapy and Telomere Length in People Living with Human Immunodeficiency Virus. Biology (Basel). 2023; 12(9): 1210. doi: 10.3390/biology12091210.Birri Makota RB, Musenge E. Predicting HIV infection in the decade (2005-2015) pre-COVID-19 in Zimbabwe: A supervised classification-based machine learning approach. PLOS Digit Health. 2023; 2(6): e0000260. doi: 10.1371/journal.pdig.0000260.Birri Makota RB, Musenge E. Predicting HIV infection in the decade (2005-2015) pre-COVID-19 in Zimbabwe: A supervised classification-based machine learning approach. PLOS Digit Health. 2023; 2(6): e0000260. doi: 10.1371/journal.pdig.0000260.Mamo DN, Yilma TM, Fekadie M, Sebastian Y, Bizuayehu T, Melaku MS, Walle AD. Machine learning to predict virological failure among HIV patients on antiretroviral therapy in the University of Gondar Comprehensive and Specialized Hospital, in Amhara Region, Ethiopia, 2022. BMC Med Inform Decis Mak. 2023; 23(1): 75. doi: 10.1186/s12911-023-02167-7.Mamo DN, Yilma TM, Fekadie M, Sebastian Y, Bizuayehu T, Melaku MS, Walle AD. Machine learning to predict virological failure among HIV patients on antiretroviral therapy in the University of Gondar Comprehensive and Specialized Hospital, in Amhara Region, Ethiopia, 2022. BMC Med Inform Decis Mak. 2023; 23(1): 75. doi: 10.1186/s12911-023-02167-7.Jupyter Notebook. Available at: https://docs.jupyter.org/en/latest/. Accessed 10.10.2023.Jupyter Notebook. Available at: https://docs.jupyter.org/en/latest/. Accessed 10.10.2023.Pandas. Available at: https://pandas.pydata.org/docs/. Accessed 10.10.2023.Pandas. Available at: https://pandas.pydata.org/docs/. Accessed 10.10.2023.Scikit-learn. Documentation. Available at: https://scikit-learn.org/stable/index.html. Accessed 10.10.2023.Scikit-learn. Documentation. Available at: https://scikit-learn.org/stable/index.html. Accessed 10.10.2023.Statsmodels. Available at: https://www.statsmodels.org/stable/user-guide.html. Accessed 10.10.2023.Statsmodels. Available at: https://www.statsmodels.org/stable/user-guide.html. Accessed 10.10.2023.CatBoost. Available at: https://catboost.ai/en/docs/. Accessed 10.10.2023.CatBoost. Available at: https://catboost.ai/en/docs/. Accessed 10.10.2023.Optuna. Available at: https://optuna.org/#key_features. Accessed 10.10.2023.Optuna. Available at: https://optuna.org/#key_features. Accessed 10.10.2023.Scikit-learn. Evaluation of models. Available at: https://scikit-learn.org/stable/modules/model_evaluation.html. Accessed 10.10.2023.Scikit-learn. Evaluation of models. Available at: https://scikit-learn.org/stable/modules/model_evaluation.html. Accessed 10.10.2023.Лысенко А.А. Введение в регрессионный анализ данных и регрессионные модели // Труды Санкт-Петербургского государственного морского технического университета. — 2020. — Т.1. — №S2. — С.15.Lysenko AA. Introduction to regression analysis of data and regression models. Proceedings of the St. Petersburg State Maritime Technical University. 2020; 1(S2): 15. (In Russ.)Пернебай Б.А. Python. Регрессия дерева решений с использованием sklearn // Polish Journal of Science. — 2021. — №38-1(38). — С.51-56.Pernebai BA. Python. Decision tree regression using sklearn. Polish Journal of Science. 2021; 38-1(38): 51-56. (In Russ.)Scikit-learn. Linear models. Available at: https://scikit-learn.org/stable/modules/classes.html#module-sklearn.linear_model. Accessed 10.10.2023.Scikit-learn. Linear models. Available at: https://scikit-learn.org/stable/modules/classes.html#module-sklearn.linear_model. Accessed 10.10.2023.Scikit-learn. Decision tree, regressor. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html#sklearn.tree.DecisionTreeRegressor. Accessed 10.10.2023.Scikit-learn. Decision tree, regressor. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html#sklearn.tree.DecisionTreeRegressor. Accessed 10.10.2023.Scikit-learn. Common errors in the interpretation of linear model coefficients. Available at: https://scikit-learn.org/stable/auto_examples/inspection/plot_linear_model_coefficient_interpretation.html#sphx-glr-auto-examples-inspection-plot-linear-model-coefficient-interpretation-py. Accessed 10.10.2023.Scikit-learn. Common errors in the interpretation of linear model coefficients. Available at: https://scikit-learn.org/stable/auto_examples/inspection/plot_linear_model_coefficient_interpretation.html#sphx-glr-auto-examples-inspection-plot-linear-model-coefficient-interpretation-py. Accessed 10.10.2023.Scikit-learn. Robust scaling. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.RobustScaler.html. Accessed 10.10.2023.Scikit-learn. Robust scaling. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.RobustScaler.html. Accessed 10.10.2023.Scikit-learn. Lasso regression. Available at: scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html. Accessed 10.10.2023.Scikit-learn. Lasso regression. Available at: scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html. Accessed 10.10.2023.Scikit-learn. Cross-validation. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_validate.html. Accessed 10.10.2023.Scikit-learn. Cross-validation. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_validate.html. Accessed 10.10.2023.Носова Г.С., Абдуллин А.Х. Машинное обучение на основе непараметрического и нелинейного алгоритма Random Forest (RF) // Инновации. Наука. Образование. — 2021. — №35. — С.33-39.Nosova GS, Abdullin AH. Machine learning based on nonparametric and nonlinear Random Forest (RF) algorithm. Innovation. The science. Education. 2021; 35: 33-39. (In Russ.)Scikit-learn. Random forest, regressor. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html. Accessed 10.10.2023.Scikit-learn. Random forest, regressor. Available at: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html. Accessed 10.10.2023.Zhang И, Ren J, Wei Z, et al. Health data driven on continuous blood pressure prediction based on gradient boosting decision tree algorithm. IEEE Access. 2019; 7: 32423-32433. doi: 10.1109/ACCESS.2019.2902217.Zhang И, Ren J, Wei Z, et al. Health data driven on continuous blood pressure prediction based on gradient boosting decision tree algorithm. IEEE Access. 2019; 7: 32423-32433. doi: 10.1109/ACCESS.2019.2902217.Plaia A, Buscemi S, Fürnkranz J, Mencía EL. Comparing Boosting and Bagging for Decision Trees of Rankings. Journal of Classification. 2022; 39(1): 78-99. doi: 10.1007/s00357-021-09397-2.Plaia A, Buscemi S, Fürnkranz J, Mencía EL. Comparing Boosting and Bagging for Decision Trees of Rankings. Journal of Classification. 2022; 39(1): 78-99. doi: 10.1007/s00357-021-09397-2.

The authors declare that there are no conflicts of interest present.