機械学習を用いたハンドウイルカにおける血液検査項目の経時的動態による細菌・真菌・ウイルス感染症の識別

3行まとめ

• ハンドウイルカの生化学・血液検査値の経時的変化から細菌・真菌・ウイルス感染症を鑑別する機械学習モデルを検証した。
• モデルは75.8%の精度で病原体を分類し、好酸球や白血球数の計数率の変化といった経時的動態が重要と示された。
• 単一時点の検査値評価よりも、個体ごとの血液検査値の推移を縦断的に監視することが感染症の早期鑑別に役立つ可能性がある。

この論文の要約

目的

ハンドウイルカ（Tursiops truncatus）における血液生化学および血液学的検査の縦断的評価から、基礎にある感染症が細菌性、真菌性、ウイルス感染症のいずれであるかを判定することを目的とした。

対象と方法

1995年から2025年に飼育下のイルカ31頭から得られた860検体の血液サンプルを対象とする、回顧的な縦断的観察研究を実施した。確定診断された33の疾患エピソード（細菌性11、真菌性10、ウイルス性12）を含め、最大63の検査項目を評価した。感染の5つの時間的フェーズに基づきランダムフォレストモデルを訓練し、測定項目の絶対値、経時的変化（傾き）、臨床的比率などから34の主要項目を選択して分類モデルを構築した。

主な結果

本モデルは75.8%（33エピソード中25）の精度で病原体を分類した。疾患別の分類精度は真菌で80%、ウイルスで75%、細菌で72.7%であった。好酸球および総白血球数の計数率の変化をはじめとする経時的な特徴量は、検証フォールドの96.8%で選択された。

臨床的意義

単一時点の測定値や静的な基準範囲と比較して、バイオマーカーの経時的変化はより優れた診断情報を提供し得る。海生哺乳類における縦断的な血液モニタリングによる個別化医療は、個体特異的な微細な検査値変動を捉え、細菌、真菌、ウイルス感染症の識別に応用できる可能性がある。

⚠️ この要約はAIが自動生成したものです。