Использование индуктивного типа машинного обучения для выявления факторов риска инфицирования медицинских работников высококонтагиозными вирусами (на модели COVID-19)

Егоров Иван Андреевич – научный сотрудник Урало-Сибирского научно-методического центра по профилактике инфекций, связанных с оказанием медицинской помощи (e-mail: ; тел.: 8 (922) 127-66-88; ORCID: .

Смирнова Светлана Сергеевна – кандидат медицинских наук, ведущий научный сотрудник, руководитель УралоСибирского научно-методического центра по профилактике инфекций, связанных с оказанием медицинской помощи; доцент кафедры эпидемиологии, социальной гигиены и организации госсанэпидслужбы (e-mail: ; тел.: 8 (908) 917-59-86; ORCID: .

Семенов Александр Владимирович – доктор биологических наук, директор; профессор кафедры медицинской микробиологии и клинической лабораторной диагностики (e-mail: ; тел.: 8 (343) 261-99-47; ORCID: .

Прошедшие два десятилетия XXI в. характеризуются эпидемическим и пандемическим распространением высококонтагиозных вирусных патогенов. Начало века (2002) ассоциировалось с распространением тяжелого острого респираторного синдрома (ТОРС). В период с 2009 по 2010 г. Всемирной организацией здравоохранения (ВОЗ) была объявлена пандемия вируса гриппа типа А (H1N1)1. Одна из самых крупных вспышек болезни, вызванной вирусом Эбола (БВВЭ), наблюдалась в 2014– 2016 гг. на территории Западной Африки. В 2015 г. распространение получил коронавирус ближневосточного респираторного синдрома (БВРС) [1, 2]. Безусловно, одним из самых масштабных событий прошедших десятилетий XXI в. стала пандемия COVID-19 [3].

Эпидемическое и пандемическое распространение высококонтагиозных вирусов сопровождается усилением нагрузки на систему здравоохранения [4]. Преимущественное воздействие биологического фактора производственной среды на медицинских работников определяет их высокий профессиональный риск заражения высококонтагиозными вирусами, тяжелого течения болезни и летального исхода [5]. Доля медицинских работников в структуре заболевших в период эпидемий и пандемий, по данным различных исследований, достигает 30,0 % (ТОРС – 21,1 % [6]; вирус гриппа типа А (H1N1) – 27,1–30,0 % [7]; БВВЭ – 8,0 % [8]; БВРС – 18,7 % [9]; COVID-19 – 9,0–26,0 % [10]).

Технологии искусственного интеллекта успешно применяются при прогнозировании вспышечной заболеваемости различными инфекциями вирусной этиологии: болезни, вызванной вирусом Эбола [11], вирусными гепатитами и пневмонией, гриппом типа А [12, 13]. В пандемический и постпандемический периоды (COVID-19) интеллектуальный анализ накопленных данных помог решить задачи эпидемиологического характера: определение территорий, групп и факторов риска инфицирования (предикторов) COVID-19, прогнозирование заболеваемости и оценка эффективности профилактики COVID-19, прогнозирование мутаций, оценка тяжести поражения легких, дифференциальная диагностика по данным инструментальных методов обследования пациентов и моделирование молекулярного взаимодействия вируса SARS-CoV-2 [14–16]. Кроме того, практическое применение алгоритмов машинного обучения помогло решить вопросы, связанные с установлением факторов риска инфицирования медицинских работников SARS-CoV-2 [17, 18], определением приоритетных профессиональных групп медицинского сообщества для проведения молекулярно-генетических исследований на РНК SARS-CoV-2, их изоляции [18, 19] и прогнозированием вероятности инфицирования SARS-CoV-2 по результатам интеллектуального анализа данных, полученных с носимых устройств медицинских работников [20].

Применение методов машинного обучения в определении предикторов инфицирования медицинских работников высококонгатиозными вирусами является современным этапом эпидемиологического анализа, помогает реализовать риск-ориентиро-ванный подход к профилактике заражения не только при состоявшемся эпидемическом и пандемическом распространении известных патогенов, но и при потенциальном развитии эпидемических угроз.

Цель исследования – по данным анкетирования медицинских работников построить модели машинного обучения и определить предикторы инфицирования медицинских работников высококонтагиозными вирусами (на модели COVID-19).

Материалы и методы. Исследование проведено специалистами Урало-Сибирского научнометодического центра по профилактике инфекций, связанных с оказанием медицинской помощи, Федерального бюджетного учреждения науки «Федеральный научно-исследовательский институт вирусных инфекций “Виром”» Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека. Проведение исследования одобрено локальным этическим комитетом ЕНИИ-ВИ ФБУН ГНЦ ВБ «Вектор» Роспотребнадзора, протокол от 24.06.2022 № 3 (название учреждения приведено на момент одобрения исследования, учреждение изменило название в соответствии с приказом Роспотребнадзора № 599 от 11.11.2022).

В пандемический период (2020–2021) на территории крупного промышленного города был проведен опрос 1312 медицинских работников. Проведение опроса включало заполнение на бумажных носителях оригинальной деперсонифицированной анкеты «Выявление профессиональных и непрофессиональных факторов, влияющих на риски инфицирования SARS-CoV-2 персонала медицинских организаций», разработанной авторами2. Структура анкеты включала открытые и закрытые вопросы, разделенные на шесть тематических блоков: половая принадлежность и антропометрические данные (рост, вес), половозрастная характеристика, профессиональная занятость, риски инфицирования COVID-19, приверженность соблюдению мер специфической и неспецифической профилактики инфицирования SARS-CoV-2, обстоятельства выявления COVID-19. Медицинских работников включали в исследование на основании личного добровольного согласия, полученного от каждого работника.

Данные с каждого бумажного носителя в ручном режиме вносили в электронную таблицу формата Microsoft Excel (*.xlxs). Первичная база данных содержала 1312 строк, численно соответствовавших количеству респондентов, (в том числе 366 строк для медицинских работников, перенесших заболевание новой коронавирусной инфекцией, и 946 – для интактных по COVID-19) и 45 столбцов, сопоставимых с вопросами в анкете. Один из столбцов выступал в качестве зависимой (целевой) переменной: значение «1» соответствовало перенесенному заболеванию COVID-19, «0» – интактность по COVID-19.

На этапе предварительной обработки из базы данных были исключены анкеты, заполненные административным персоналом и анкеты, имеющие дефекты внесения данных. Дополнительно, с целью устранения дисбаланса классов зависимой (целевой) переменной на каждую анкету медицинского работника, заболевшего COVID-19, была подобрана сопоставимая по параметрам анкета сотрудника, интактного по COVID-19. На основании данных о росте и весе респондентов рассчитывали индекс массы тела (ИМТ). Интерпретацию ИМТ проводили в соответствии с рекомендациями Всемирной организации здравоохранения3.

Подготовленная база данных включала 688 строк (анкет) и 28 столбцов, содержащих неперсо-нифицированные данные, в том числе 27 столбцов – изучаемые предикторы и один столбец – зависимая (целевая) переменная.

Отбор предикторов для обучения моделей машинного обучения осуществляли путем определения связи между каждым предиктором зависимой (целевой) переменной с расчетом критерия χ² Пирсона. Было отобрано 22 предиктора, обладающих наибольшей степенью зависимости ( p <  0,05).

Сформированная окончательная база данных была разделена на обучающую (2/3, n = 460) и тестовую (1/3, n = 228) подвыборки. Интеллектуальный анализ проводили с использованием пяти алгоритмов машинного обучения, применяемых для задач классификации: сверхслучайные деревья, деревья решений, случайный лес, логистическая регрессия, экстремальный градиентный бустинг. Для всех алгоритмов использовали оригинальные авторские настройки. Воспроизведение алгоритмов машинного обучения осуществляли в среде разработки Jupyter notebook (v.6.0.0) на языке программирования Python (v.3.7.16). Предварительную обработку и анализ данных проводили с применением библиотеки pandas, реализацию математических и числовых операций – numpy, разделение данных на обучающую и тестовую подвыборки, нормализацию данных, расчет ста- тистических показателей, построение матрицы несоответствий, подбор параметров для обучения моделей, отбор предикторов осуществляли с помощью библиотеки для машинного обучения scikit-learn. Функционал алгоритмов реализовывали с помощью библиотек с открытым исходным кодом. Визуализацию полученных данных проводили с применением библиотек matplotlib и seaborn, функционала визуализации – библиотек SHapley Additive exPlanations4.

Интерпретацию статистических показателей работы моделей машинного обучения проводили с построением ROC-кривых, расчетом ROC-AUC (area under the curve, площади под кривой) и ее 95%-ного доверительного интервала (95 % ДИ).

На основании матрицы несоответствий рассчитывали долю истинно положительных, истинно отрицательных, ложноположительных и ложноотрицательных предсказаний. Учитывали только модели, обладающие статистической значимостью ( р <  0,05), а также достаточной чувствительностью и специфичностью (более 60,0 %).

Определение важности предикторов проводили с помощью показателя F-score, рассчитанного встроенным методом библиотеки экстремального градиентного бустинга – feature importance.

Силу эффекта каждого исследуемого предиктора на результат работы изучаемой модели оценивали с помощью его среднего предельного вклада (SHAP-значения) с учетом всех возможных комбинаций. Предикторами, определяющими инфицирование медицинского работника вирусом SARS-CoV-2, считали те, для которых были получены положительные SHAP-значения (больше 0). Дополнительно была проведена кластеризация изучаемых предикторов с порогом 90,0 %. Дизайн исследования представлен на рис. 1.

Результаты и их обсуждение. Всего было обучено 6912 моделей машинного обучения, из них (рис. 2):

• ■    алгоритм сверхслучайных деревьев (чувствительность – 66,0, специфичность – 85,6, AUC (area under curve, площадь под кривой) – 69,9, 95 % ДИ [62,1–76,9]);

• ■    алгоритм деревьев решений (чувствительность – 66,0, специфичность – 77,6, AUC – 73,5, 95 % ДИ [67,6–79,3]);

• ■    алгоритм случайного леса (чувствительность – 65,0, специфичность – 80,8, AUC – 75,1, 95 % ДИ [68,1–81,5]);

• ■    алгоритм логистической регрессии (чувствительность – 69,9, специфичность – 79,2, AUC – 79,4, 95 % ДИ [73,3– 85,4]);

• ■    алгоритм экстремального градиентного бус-тинга (чувствительность – 70,9, специфичность – 80,8, AUC – 80,4, 95 % ДИ [74,4–85,8]).

  

  Рис. 1. Дизайн исследования

  
  
  

  Частота ложноположитсльных результатов (1 - специфичность)

  
  

  ---- Модель сверхслучайных деревьев (AUC = 69,9, 95 % ДИ [62,1 -76,9])

  ---- Модель деревьев решений (AUC = 73,5, 95 % ДИ [67.6-79,3])

  ---- Модель случайного леса (AUC = 75.1. 95 % ДИ [68,1 -81,5])

  ---- Модель логистической регрессии (AUC = 79,4, 95 % ДИ [73,3-85,4])

' ' Модель экстремального градиентного бустинга (AUC = 80.4. 95 % ДИ [74,4-85,8])

Рис. 2. ROC-кривые, описывающие статистические показатели работы алгоритмов машинного обучения

В ходе сравнительной оценки статистических показателей работы обученных моделей на исследуемом наборе неперсонифицированных данных установлена приемлемая чувствительность, специфичность и значение показателя AUC для алгоритма экстремального градиентного бустинга. Данный алгоритм использовал- ся для выявления предикторов, определяющих инфицирование медицинских работников SARS-CoV-2.

Анализ важности предикторов, проведённый с применением встроенного метода модели экстремального градиентного бустинга (показатель F-score), позволил выявить 19 предикторов (86,4 %) и сформиро- вать несколько ранговых групп. Наибольшей важностью обладали: оказание амбулаторно-клинической медицинской помощи – 56,0, наличие заболевших COVID-19 в близком окружении медицинского работника – 46,0, оказание медицинской помощи пациенту с COVID-19 – 44,0, нормальный вес по показателю индекса массы тела (ИМТ) – 38,0, использование средств индивидуальной защиты (СИЗ) с неполной защитой органов зрения или дыхания – 32,0. Вторую ранговую позицию занимали такие предикторы, как продолжительность смены более 24 ч – 29,0, выполнение функций среднего медицинского персонала – 24,0, вакцинация от COVID-19 после непосредственного контакта с больным COVID-19 – 21,0. Третью – наличие аварийных ситуаций, связанных с экспозицией биоматериала пациента, – 19,0, избыточная масса тела (предо-жирение) – 17,0, наличие хронических соматических заболеваний – 16,0, прямой контакт с предметами внешней (больничной) среды – 13,0, использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19 и ожирение первой степени – по 12,0. Четвертую – выполнение функций врача и ожирение второй степени – по 7,0, выполнение функций младшего медицинского персонала (уборщиков) – 6,0, присутствие при проведении процедур, генерирующих аэрозоль, – 5,0, проведение лабораторной и патолого-анатомической диагностики – 1,0.

В нашем исследовании оценка важности предикторов по показателю F-score имела ограничение при интерпретации результатов работы изучаемой модели. Определение моделью факта отсутствия дефицита или избытка веса в качестве предиктора обусловлено высокой частотой распространения данного признака в обучающей подвыборке (65,4 %, n = 301).

В целях более четкой оценки важности предикторов, определяющих инфицирование SARS-CoV-2 медицинских работников, для дальнейших этапов исследования применялась стратегия оценки силы эффекта каждого предиктора с расчетом SHAP-значения. Данный подход позволил выявить предикторы, определяющие инфицирование, и провести их ранжирование в зависимости от величины SHAP-значения.

Сила эффекта изученных предикторов имела различную интенсивность – до 10,5 раза (0,9904– 0,0943, p < 0,05), в том числе (рис. 3): оказание медицинской помощи пациенту с COVID-19 (2,378 ± 0,791, p < 0,05), использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19 (0,565 ± 0,17, p < 0,05), прямой контакт с предметами внешней (больничной) среды (0,547 ± 0,146, p < 0,05), вакцинация от COVID-19 после непосредственного контакта с больным COVID-19 (0,304 ± 0,072, p < 0,05), выполнение функций младшего медицинского персонала (уборщиков) (0,162 ± 0,035, p < 0,05), присутствие при проведении процедур, генерирующих аэрозоль (0,109 ± 0,022, p < 0,05). Отмечено, что ряд предикторов, определяющих инфициро- вание SARS-CoV-2, не были связанны с профессией. Например, наличие заболевших COVID-19 в близком окружении медицинского работника (1,464 ± 0,58, p < 0,05), ожирение второй степени (0,259 ± 0,04, p < 0,05), наличие хронических соматических заболеваний (0,148 ± 0,092, p < 0,05).

Проведенный кластерный анализ предикторов, определяющих инфицирование SARS-CoV-2 медицинских работников, позволил выявить четыре разнородных кластера (рис. 4):

• ■    1-й кластер был связан с непосредственным контактом с больным COVID-19 или предметами окружающей его внешней (больничной) среды: оказание медицинской помощи пациенту с COVID-19 ( p <  0,05), присутствие при проведении процедур, генерирующих аэрозоль ( p <  0,05), прямой контакт с предметами внешней (больничной) среды (p <  0,05);

• ■    2-й кластер характеризовал качество и комплектность применяемых СИЗ: использование СИЗ с неполной защитой органов зрения или дыхания (p >  0,05), использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19 (p <  0,05);

• ■    3-й кластер отражал профессиональную принадлежность медицинских работников: выполнение функций младшего медицинского персонала (уборщиков) ( p <  0,05), выполнение функций среднего медицинского персонала ( p >  0,05), выполнение функций врача ( p >  0,05);

• ■    4-й кластер характеризовал личные признаки сотрудника, такие как ИМТ: нормальный вес по показателю индекса массы тела (ИМТ) (p >  0,05), избыточная масса тела (предожирение) ( p >  0,05), ожирение первой степени ( p >  0,05).

Следующим этапом исследования явилось определение однофакторности и многофакторности взаимодействия изучаемых предикторов, связанных с профессиональной деятельностью.

В нашем исследовании наличие одного предиктора, определяющего инфицирование SARS-CoV-2, было установлено у 56,2 % медицинских работников, двух – у 19,2 %, трех – у 16,4 %, четырех – у 5,5 %, пяти – у 2,7 %.

Частота встречаемости предикторов при однофакторном воздействии различалась. Лидирующее место занимала вакцинация от COVID-19 лишь после непосредственного контакта с больным COVID-19 – 65,9 %, второе – выполнение функций младшего медицинского персонала (уборщиков) – 22,0 %, третье – оказание медицинской помощи пациенту с COVID-19 – 12,2 %.

При наличии двух предикторов первое ранговое место делили присутствие при проведении процедур, генерирующих аэрозоль, и использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19 – по 32,1 %, второе место занимала вакцинация от COVID-19 после непосредственного контакта с больным COVID-19 – 17,9 %, третье – оказание медицинской помощи

Выполнение функции врача

Значение функции

I lopor кластеризации = 0.9

Рис. 4. Кластеризация предикторов, определяющих инфицирование медицинских работников SARS-CoV-2:

* – предикторы, имеющие положительное влияние на инфицирование медицинских работников SARS-CoV-2;

** – сумма SHAP-значений: вакцинация от COVID-19 после непосредственного контакта с больным COVID-19; ожирение второй и третьей степени; недостаточный вес; проведение лабораторной и патолого-анатомической диагностики

Оказание медицинской помощи пациенту с COVID-19

Нормальный вес

Наличие заболевших COVID-19 в близком окружении

Оказание амбулаторно-клинической медицинской помощи

Выполнение функций среднего медицинского персонала

Продолжительность смены более 24 ч

Использование СИЗ с неполной защитой органов зрения или дыхания Использование полного комплекта СИЗ после непосредственного контакта с больным COV1D-19

Наличие хронических соматических заболеваний

Прямой контакт с предметами внешней (больничной) среды

Наличие аварийных ситуаций

Вакцинация от COV1D-19 после непосредственного контакта с больным COVID-19

Предожирение

Выполнение функций младшего медицинского персонала (уборщиков)

Избыточная масса тела (предожирение)

Присутствие при проведении процедур, генерирующих аэрозоль

Рис. 3. Предикторы, определяющие инфицирование медицинских работников SARS-CoV-2

Оказание медицинской помощи пациенту с COVID-19* Присутствие при проведении процедур, генерирующих аэрозоль* Прямой контакт с предметами внешней (больничной)* Использование СИЗ с неполной защитой органов зрения или дыхания Использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19* Работа в скорой медицинской помощи Нормальный вес Избыточная масса тела (предожирение) Ожирение первой степени Оказание амбулаторно-клинической медицинской помощи Продолжительность смены более 24 ч Выполнение функций среднего медицинского персонала Выполнение функций врача Выполнение функций младшего медицинского персонала (уборщиков)* Наличие заболевших COVID-19 в близком окружении* Наличие хронических соматических заболеваний* Наличие аварийных ситуаций Другие

Среднее SH АР-значение

пациенту с COVID-19 – 10,7 %, четвертое – выполнение функций младшего медицинского персонала (уборщиков) – 7,1 %.

Структура многофакторного взаимодействия при наличии трех предикторов выглядела следующим образом: присутствие при проведении процедур, генерирующих аэрозоль, – 27,8 %, оказание медицинской помощи пациенту с COVID-19 и использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19 – по 19,4 %, вакцинация от COVID-19 после непосредственного контакта с больным COVID-19 и прямой контакт с предметами внешней (больничной) среды – по 13,9 %, выполнение функций младшего медицинского персонала (уборщиков) – 5,6 %.

При наличии четырех предикторов многофакторное взаимодействие определялось присутствием при проведении процедур, генерирующих аэрозоль, и прямым контактом с предметами внешней (больничной) среды – по 25,0 %, оказанием медицинской помощи пациенту с COVID-19 и использованием полного комплекта СИЗ после непосредственного контакта с больным COVID-19 – 18,8 %, вакцинацией от COVID-19 после непосредственного контакта с больным COVID-19 и выполнением функций младшего медицинского персонала (уборщиков) – по 6,3 %.

Равная частота встречаемости была установлена при одновременном наличии пяти предикторов: вакцинация от COVID-19 после непосредственного контакта с больным COVID-19, оказание медицинской помощи пациенту с COVID-19, присутствие при проведении процедур, генерирующих аэрозоль, использование полного комплекта СИЗ после непосредственного контакта с больным COVID-19, пря- мой контакт с предметами внешней (больничной) среды – по 20,0 %.

Выводы. Таким образом, интеллектуальная обработка эпидемиологических данных является современным этапом эпидемиологического анализа. Применение методов машинного обучения позволяет провести многофакторную оценку рисков инфицирования медицинских работников SARS-CoV-2, выявить и достоверно оценить наиболее значимые предикторы, сформировать группы риска с возможностью реализации персонифицированного подхода к профилактике профессионального заражения вирусными патогенами.

Гибкость архитектуры интеллектуального анализа эпидемиологических данных позволяет проводить как корректировку изучаемой модели, так и динамически дополнять сформированную базу новыми данными, улавливать изменения эпидемиологической ситуации и проводить актуальные профилактические и противоэпидемические мероприятия. Качество и точность результата работы модели машинного обучения достигается полным и качественным сбором первоначальных данных, проведением предварительной обработки и использованием для обучения модели выверенных баз (наборов) данных.

Финансирование. Исследование выполнено в рамках научно-исследовательской работы «Изучение эпидемического процесса и профилактика вирусных инфекций, связанных с оказанием медицинской помощи (на примере ветряной оспы, норо- и ротавирусной инфекции и др.)», Рег. № НИОКТР 121040500099-5.