[論文レビュー] A Data Mining Approach to the Diagnosis of Tuberculosis by Cascading Clustering and Classification

T Asha, Sriraam Natarajan+1 more|arXiv (Cornell University)|Aug 4, 2011

Text and Document Classification Technologies参考文献 27被引用数 23

ひとこと要約

本論文は、K-meansクラスタリングと複数の分類アルゴリズムを組み合わせた段階的データマイニングフレームワークを提案し、結核を肺結核（PTB）およびHIV関連リトロウイルス性PTB（RPTB）亜型に診断する。700件の都市病院の臨床記録を用いて、サポートベクターマシン（SVM）を用いた手法は98.7％の正確性を達成し、診断の正確性を著しく向上させ、個別化された治療計画のための臨床意思決定を支援した。

ABSTRACT

In this paper, a methodology for the automated detection and classification of Tuberculosis(TB) is presented. Tuberculosis is a disease caused by mycobacterium which spreads through the air and attacks low immune bodies easily. Our methodology is based on clustering and classification that classifies TB into two categories, Pulmonary Tuberculosis(PTB) and retroviral PTB(RPTB) that is those with Human Immunodeficiency Virus (HIV) infection. Initially K-means clustering is used to group the TB data into two clusters and assigns classes to clusters. Subsequently multiple different classification algorithms are trained on the result set to build the final classifier model based on K-fold cross validation method. This methodology is evaluated using 700 raw TB data obtained from a city hospital. The best obtained accuracy was 98.7% from support vector machine (SVM) compared to other classifiers. The proposed approach helps doctors in their diagnosis decisions and also in their treatment planning procedures for different categories.

研究の動機と目的

• 結核亜型の正確な分類を実現する自動化されたデータマイニングフレームワークの開発を目的とする。
• 臨床診断において、肺結核（PTB）とHIV関連リトロウイルス性PTB（RPTB）を区別する課題に対処することを目的とする。
• 実世界の患者データを用いた機械学習により、診断の正確性を向上させ、臨床意思決定を支援することを目的とする。
• 段階的なパイプラインにおける複数の分類アルゴリズムの性能を評価することを目的とする。
• 低免疫力集団における早期かつ正確な結核亜型同定のためのスケーラブルでデータ駆動型のソリューションを提供することを目的とする。

提案手法

• K-meansクラスタリングを用いて、臨床的特徴に基づき結核患者データを2つの初期クラスタにグループ化する。
• 臨床的特徴と事前の知識に基づき、各クラスタにPTBまたはRPTBのラベルを割り当てる。
• SVM、決定木、ナイーブベイズなどの複数の分類アルゴリズムを、クラスタリングされたデータセット上で学習させる。
• K-フォールド交差検証を用いて、最適な分類器モデルの評価と選定を行う。
• 正確性、感度、特異度などの性能指標に基づき、最終的なモデルを選定する。
• クラスタリングと分類を段階的なワークフローで統合することで、診断の正確性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 段階的なクラスタリングと分類アプローチは、結核亜型診断の正確性を向上させることができるか？
• RQ2 異なる分類アルゴリズムの性能は、PTBとRPTB亜型を区別する際、どのように比較されるか？
• RQ3 K-meansクラスタリングを事前処理ステップとして適用することで、分類タスクにどの程度の向上効果が得られるか？
• RQ4 提案手法は、結核診断と治療計画における臨床意思決定を支援できるか？
• RQ5 実世界の臨床データを用いた結核亜型分類において、最適な分類器モデルは何か？

主な発見

• サポートベクターマシン（SVM）は、結核亜型分類において98.7％の最高正確性を達成した。
• K-meansクラスタリングは、生物学的に意味のある2つのグループ（PTBおよびRPTB）への結核データのセグメンテーションに効果的に機能した。
• クラスタリングの後に分類を実行する段階的アプローチは、単独の分類手法よりも優れた性能を示した。
• 700件の患者記録からなるデータセットにおけるK-フォールド交差検証を通じて、本手法は優れた汎化能力を示した。
• 本手法は、結核亜型の早期かつ正確な区別を可能にすることで、臨床意思決定を支援する。
• 本フレームワークは、免疫機能が低下した患者の治療計画支援に統合可能な可能性を示している。